欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

只需一行代码!Python中9大时间序列预测模型

程序员文章站 2022-06-03 09:45:55
在时间序列问题上,机器学习被广泛应用于分类和预测问题。当有预测模型来预测未知变量时,在时间充当独立变量和目标因变量的情况下,时间序列预测就出现了。 预测值可以是潜在雇员的工资或银行账户持有人的信用评分。任何正式引入统计数据的数据科学都会遇到置信区间,这是某个模型确定性的衡量标准。 因此,预测一段时间 ......

在时间序列问题上,机器学习被广泛应用于分类和预测问题。当有预测模型来预测未知变量时,在时间充当独立变量和目标因变量的情况下,时间序列预测就出现了。

预测值可以是潜在雇员的工资或银行账户持有人的信用评分。任何正式引入统计数据的数据科学都会遇到置信区间,这是某个模型确定性的衡量标准。

因此,预测一段时间内某些数据的价值需要特定的技术,并且需要多年的发展。

由于每种都有其特殊用途,必须注意为特定应用选择正确的技术。预测人员在技术选择中发挥作用,他们越了解预测可能性的范围,公司的预测工作就越有可能取得成果。

其方法的选择取决于预测的背景、历史数据的相关性和可用性、所需的准确度、预测的时间段、对企业的预测成本以及分析所需的时间。

影响预测的因素

· 增加或减少趋势

· 季节性

· 数据集的大小

时间序列的组成部分与数据本身一样复杂。随着时间的增加,获得的数据也会增加。有时候更多的数据并不意味着更多的信息,但是更大的样本避免了由于随机采样而产生的误差。

因此,对于每个应用程序,使用的技术都会发生变化。

来源:数据科学博客

在本文中,我们列出了最广泛使用的时间序列预测方法,只需一行代码就可以在python中使用它们:

  1. autoregression(ar)

ar方法在先前时间步骤中模拟为观察的线性函数。

模型的表示法涉及指定模型p的顺序作为ar函数的参数。

from statsmodel.tsa.ar_model import ar

  1. autoregressive moving average(arma)

arma方法结合了自回归(ar)模型和移动平均(ma)模型。

from statsmodel.tsa.arima_model import arma

  1. autoregressive integrated moving average(arima)

arima方法结合自回归(ar)和移动平均(ma)模型以及序列的差分预处理步骤以使序列静止,称为积分。

from statsmodel.tsa.arima_model import arima

  1. seasonal autoregressive integrated moving-average (sarima)

sarima方法将序列中的下一步建模为先前时间步骤的差异观测值、误差、差异性季节观测值和季节性误差的线性函数。

它结合了arima模型,能够在季节性水平上执行相同的自回归、差分和移动平均建模。

from statsmodel.tsa.statespace.sarimax import sarimax

  1. seasonal autoregressive integrated moving-average with exogenous regressors (sarimax)

sarimax是sarima模型的扩展,还包括外生变量的建模。

sarimax方法还可用于使用外生变量对包含的模型进行建模,例如arx,max,armax和arimax。

from statsmodel.tsa.statespace.sarimax import sarimax

  1. vector autoregression (var)

向量自回归方法使用ar模型。ar是多个并行时间序列的推广。

from statsmodel.tsa.vector_ar.var_model import var

  1. vector autoregression moving-average (varma)

这是arma对多个并行时间序列的推广,例如,多变量时间序列。

from statsmodel.tsa.statespace.varmax import varmax

  1. vector autoregression moving-average with exogenous regressors(varmax)

varmax是varma模型的扩展,它还包括外生变量的建模。它是armax方法的多变量版本。

  1. holt winter’s exponential smoothing (hwes)

hwes是在先前时间步骤的观测的指数加权线性函数,将考虑趋势和季节性因素。

from statsmodel.tsa.holtwinters import exponentialsmoothing