机器学习笔记 - 使用ARIMA模型时间序列预测

一、ARIMA模型概述

        ARIMA 模型是一种流行且广泛使用的时间序列预测统计方法。ARIMA 是一个首字母缩写词，代表 AutoRegressive Integrated Moving Average。

        ARIMA 的 AR 部分显示时间序列是基于其自身过去的数据进行回归的。ARIMA 的 MA 部分表示预测误差是过去各自误差的线性组合。ARIMA的I部分表明数据值已被替换为d阶的差分值以获得平稳数据，这是 ARIMA 模型方法的要求。ARIMA 模型可以有效地使用这种组合方法拟合过去的数据，并有助于预测时间序列中的未来点。

二、数据集可视化

        数据取自 GEFCom2014 预测竞赛。它由 2012 年至 2014 年间 3 年的每小时电力负荷和温度值组成。

        1、数据集的下载地址

链接：https://pan.baidu.com/s/1k_7wlGjScYLM8wctryC4mQ 
提取码：qe7m

        2、首先创建工具类utils.py，我这里是放在common文件夹下。

import numpy as np
import pandas as pd