时间序列分析模型:ARIMA模型和SARIMAX算法
【摘要】
文章目录
自回归综合移动平均 可视化时间序列数据 差分 自回归模型 关于自相关和偏自相关的最后思考
自回归综合移动平均
ARIMA模型的一般过程如下:
可视化时间序列数据
使时间序列数据平稳
绘制相关图和自相关图
根据数据建立ARIMA模型或季节ARIMA模型
使用模型进行预测
import nump...
自回归综合移动平均
ARIMA模型的一般过程如下:
- 可视化时间序列数据
- 使时间序列数据平稳
- 绘制相关图和自相关图
- 根据数据建立ARIMA模型或季节ARIMA模型
- 使用模型进行预测
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
- 1
- 2
- 3
- 4
- 5
df=pd
文章来源: maoli.blog.csdn.net,作者:刘润森!,版权归原作者所有,如需转载,请联系作者。
原文链接:maoli.blog.csdn.net/article/details/113835186
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)