机器学习笔记 - 时间序列的季节性

本文深入探讨了时间序列中的季节性,包括季节性指标和傅立叶特征。通过季节性图和周期图分析,揭示了如何有效地使用傅立叶特征来捕获长季节的变化,减少计算时间和过拟合风险。以隧道流量数据为例,展示了如何应用这些概念进行预测。

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

一、季节性

        只要序列的平均值有规律的、周期性的变化,时间序列就会表现出季节性。 季节性变化通常遵循时钟和日历——一天、一周或一年的重复很常见。 季节性通常是由自然世界在几天和几年内的循环或围绕日期和时间的社会行为惯例驱动的。

四个时间序列中的季节性模式。

         两种模拟季节性的特征。 第一种,指标,最适合观察很短的周期,例如每周观察。第二种,傅里叶特征,最适合观测长期变化的季节,比如每年的日常观测季节。

二、季节性图和季节性指标

        就像我们使用移动平均线图来发现系列中的趋势一样,我们可以使用季节性图来发现季节性模式。

        季节性图显示了针对某个常见时期绘制的时间序列片段,该时期是您要观察的“季节”。 该图显示了维基百科关于三角函数的文章的每日浏览量的季节性图:文

评论
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

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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