Chauncy的博客

摘要  STL是一种滤波方式可以把时间序列分解为趋势项、季节项和剩余项。STL包含一系列局部加权回归平滑器，计算速度比较快，可以应对非常大的的时间序列数据。1 引言  STL是一个可以把一个季节性时间序列分解为三项：趋势项、季节性和剩余项。  下图是原始序列：  下图是趋势项：数据中非平稳的长期变化的低频变量  下图是季节项：  下图是剩余项：  分别用Yv,Tv,SvY_v,T_v,S_vYv​,Tv​,Sv​和SvS_vSv​表示时间序列数据、趋势项、季节项和剩余项，所以有：Yv

ABSTRACT  聚类是最流行的数据挖掘方法之一。这不仅仅是因为聚类问题具有很强的探索性，还因为它可以作为其他技术的预处理步骤或子过程。本文提出一种的新的时间序列聚类算法——K-shape算法。该算法依赖于一个可度量的迭代优化过程，创建同构的、分割良好的群簇。K-shape聚类算法依赖使用了规范化之后的互相关系数作为距离的度量，在每次迭代中使用它来更新聚类对聚类时间序列的分配。1. INTRODUCTION  聚类是应用非常广泛的一项技术，因为它不需要监督和数据标注。  大多数时间序列分析技术，包

转自：https://blog.youkuaiyun.com/summerliuqing/article/details/103471983本文主要解决ARIMA模型中的两个问题，一个是绘制PACF图时，出现偏自相关系数大于1的情况；一个是绘制绘制PACF图时，显示的是横线1.利用python绘制arima的自相关系数以及偏自相关系数图一直出现系数大于1 的情况：plot_pacf(ts,ax=ax2,lags=lags)添加method=‘ywm’语句plot_pacf(ts,ax=ax2,lags=la

文章目录插值方法1 Hermite插值1.1 Hermite插值的定义1.2 Hermite插值的求法2 三次样条插值2.1 三次样条插值的定义2.2 边界条件2.3 三次样条函数的求法2.3.1 三转角方法2.3.2 三弯矩算法插值方法1 Hermite插值1.1 Hermite插值的定义设在节点a≤x0<x1<...<xn≤b(i=1,2,...,n)a\leq x_0<x_1<...<x_n\leq b(i=1,2,...,n)a≤x0​<x1​&lt

文章目录ARIMA模型的前提条件平稳性：自回归模型（AR）移动平均模型（MA）自回归移动平均模型（ARIMA）ARIMA(p,d,q)模型自相关函数ACF(autocorrelation function)偏自相关函数PCAF(partial autocorrelation function)ARIMA(p,d,q)阶数的确定ARIMA建模流程：模型参数选择AIC与BIC：选择更简单的模型模型残差检验ARIMA模型的前提条件平稳性：  样本的时间序列所得到的拟合曲线在未来的一段时间内仍能顺着现有的形态