feiwenyang的博客

############导入必要的库#########import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.preprocessing import MinMaxScalerfrom keras.models import Sequentialfrom keras.layers import Dense, LSTM, Dropout, GRUfrom keras.optimizers i

1. 时间序列模型(加法模型和乘法模型)基于原始的时间序列的趋势项和季节项，时间序列模型可以被分为加法模型和乘法模型.乘法型：时间序列值 = 趋势项 * 季节项 * 误差项。加法型：时间序列值 = 趋势项 + 季节项 + 误差项。2. 时间序列的模式分解对时间序列的分解，可以从趋势项、季节项、 误差项的乘法和加法的角度进行。****代码方面，我们使用statsmodels包的seasonal_decompose函数。# 导入包from statsmodels.tsa.seasonal i

1. 什么是时间序列同一统计指标数值按照时间先后顺序排列而成的数据。本质上是反映一个变量随时间序列变化的趋势。简单的例子就像是学生每一年的身高数据，这个也是一个时间序列。变量是我们的身高;每一年都不一样。我们支付宝或者微信的零钱，每一天每一个月都有一个实际的值。2. 在python中如何导入时间序列数据`from dateutil.parser import parse #关于时间的函数import matplotlib as mplimport matplotlib.pyplot as