学习笔记31-自回归-建立时间序列预测模型(ARIMA方法)

本文介绍了使用ARIMA模型进行时间序列预测的过程,包括平稳性检验、KPSS测试、差分和指数加权移动平均等步骤,最终选择组合模型作为最佳预测模型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对视觉类论文详解(免费)感兴趣的同学,可以关注微信公众号 李卓璐随手记,将会不定期发布,注意查收哦~

时间序列(Time Series)定义: 按照时间的顺序把一个随机事件变化发展的过程记录。
安装包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime

from matplotlib.pylab import rcParams
rcParams['figure.figsize']=15,
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值