time-series-modeling:时间序列预测是使用模型根据先前观察到的值预测未来值

时间:2024-05-04 17:42:10
【文件属性】:

文件名称:time-series-modeling:时间序列预测是使用模型根据先前观察到的值预测未来值

文件大小:2MB

文件格式:ZIP

更新时间:2024-05-04 17:42:10

JupyterNotebook

时间序列建模 时间序列预测是使用模型根据先前观察到的值预测未来值。 虽然回归分析通常以测试关系的方式使用。 时间序列数据的模型可以具有多种形式,并代表不同的随机过程。 在对流程级别的变化进行建模时,三类具有实际重要性的类别是自回归(AR)模型,集成(I)模型和移动平均(MA)模型。 这三个类别线性地取决于先前的数据点。[28] 这些思想的结合产生了自回归移动平均(ARMA)和自回归综合移动平均(ARIMA)模型 资料来源:Wikipedia


【文件预览】:
time-series-modeling-main
----arima and garch modeling in event-driven analysis and prediction.ipynb(1.4MB)
----README.md(773B)
----arima-model-in-pattern-recognition-and-prediction.ipynb(1.36MB)

网友评论