Python数据挖掘--时间序列

概念

时间序列：（TIME SERIES）均匀时间间隔的观测值序列
时间序列分析：（Time Series Analysis）趋势分析，序列分解，序列预测

序列分解

时间序列分解（Time-Series Decomposition）

• 时间序列按照季节性来分类：分为季节性时间序列和非季节性时间序列
• 非季节性时间序列：趋势部分，不规则部分
• 季节性时间序列：趋势部分，不规则部分，季节性部分

非季节性时间序列分解

• MA（Moving Average）：移动平均是一种简单平滑技术，它通过在时间序列上逐项推移取一定项数的均值，来表现指标的长期变化和发展趋势。
• SMA（Simple Moving Average）：简单移动平均，将时间序列上前N个数值做简单的算术平均。
  
• WMA（Weighted Moving Average）：加权移动平均，在基于简单移动平均的基础上，对时间序列上前n期的每一期数值赋予相应的权重，即加权平均的结果。
  基本思想：提升近期的数据、减弱远期数据对当前预测值的影响，使预测值更贴近最近的变化趋势。
  
• 示例
  数据解释：从2017年1月1日到2018年3月28日某电子产品销售金额，对这部分时间序列进行分解。
  1、简单移动平均
  根据以往经验，暂时按照以7天的均值来估算