机器学习-1 用ARIMA预测裙摆长度 python版

 

第一次做机器学习，选了个最简单的，并附上python代码

参考R语言版：https://www.cnblogs.com/ECJTUACM-873284962/p/7379717.html

                                                                                          ——2018年12月

 

问题描述

 裙摆长度和经济学的关系有个专门的名词叫做“裙摆指数”(Hemline Index)，这个理论由经济学家乔治·泰勒(George W.Taylor)在1926年首次提出，他发现，女性的裙摆越长，股市就越低迷；相反，女性裙摆越短，股市就越容易出现高涨的趋势。

 

数据

1. 数据来源：http://robjhyndman.com/tsdldata/roberts/skirts.dat
2. 数据描述:  Diameter of skirts at hem, 1866-1911, annual
3. 数据特点：非季节性的时间序列

将数据如下图保存为csv文件

 时间序列，就是按时间顺序排列的，随时间变化的数据序列。­生活中各行各业有太多时间序列的数据了，销售额，顾客数，访问量，股价，油价，GDP，气温。。。

 时间序列的平稳性：

1. 随机过程的特征有均值、方差、协方差等。
2. 如果随机过程的特征随着时间变化，则此过程是非平稳的；
3. 相反，就称此过程是平稳的。下图左边非平稳，右边平稳

 

预测方法介绍——ARIMA模型

 ARIMA(p,d,q)模型

1. 其中 d 是差分的阶数，用来得到平稳序列。
2. AR是自回归，p<