某视频APP用户数据预测

针对某视频APP的2018年1月至7月用户数据,需预测2018年8月至2019年12月的情况。由于数据的时序性和非线性趋势,采用了多元非线性和线性回归模型进行预测。非线性模型(复合R2=0.942, F=80.872)表现优秀,但线性模型(Y=133.428571t-17.714286)结果显示更合理。" 39535331,4827907,C语言读取BMP图像数据详解,"['文件操作', '图像处理', 'C语言读', 'BMP文件']

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

现给到北京线上某款视频APP在2018年1月-2018年7月的实际用户数据,需要预测2018年8月-2019年12月的数据,请基于课程中的案例分析,建立分析方案并给到预测的数据结果。

日期

当月实际户数(户)

2018.1

179

2018.2

199

2018.3

330

2018.4

450

2018.5

770

2018.6

821

2018.7

863

目标:

预测2018年8月-2019年12月的数据

问题分析

该数据属于典型的时序数据。

历史数据量相对较少,且需要预测的未来数据量较多,不能简单以历史数据来对未来的数据进行预测,需要添加其他的外部变量进行辅助预测。

数据增长呈非线性趋势,可以采用线性、非线性建模进行对比。

不考虑那些单纯以自身历史数据预测自身未来数据的模型,如ARIMA、LSTM这类方法,最终选择多元非线性和线性回归两大类预测方法进行对比,通过模型评估指标选择最优模型。

非线性模型:

模型摘要和参数估算值

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
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