AI量化交易实验室

导读：本文介绍了数据平稳的重要性，平稳的数据对模型有什么影响。描述了如何从直观的数据图中，和数据分布图（钟形曲线），以及数据统计值（Dickey-Fuller）上判断数据是否是平稳的。正文：时间序列不同于更传统的分类和回归预测建模问题。时间结构为观察增加了一个顺序。这种强加的顺序意味着需要专门处理关于这些观察的一致性的重要假设。例如，在建模时，假设观测的汇总统计数据是一致的...

至此，时间序列预测基础教程系列的博客就完成了，与上一个专题LSTM预测相比，ARIMA是一种数学上以及经融学上的预测方法，而非机器学习或神经网络上的预测方法。这个系列15篇文章主要是从零开始讲述了如何用Python实现传统金融预测中的ARIMA预测方法部分文章链接：时间序列预测基础教程系列(1)_什么是时间序列预测时间序列预测基础教程系列(2)_用构建监督学习型数据进行时间序列预测...

导读：什么是网格搜索？所谓网格搜索就是穷举法，判断要哪些是需要调整的参数，给定一个范围的几组参数数据，将几组数据的所有排列组合代入模型，并对计算结果进行误差分析，找到最优模型参数。这种穷举法的网格搜索，往往使用简单的for循环就能实现。源码地址：https://github.com/yangwohenmai/TimeSeriesForecasting/tree/master/%E7%BD...

导读：数据的预处理方法有两种，分别是归一化和标准化什么时候用归一化？什么时候用标准化？  （1）如果对输出结果范围有要求，用归一化。  （2）如果数据较为稳定，不存在极端的最大最小值，用归一化。  （3）如果数据存在异常值和较多噪音，用标准化，可以间接通过中心化避免异常值和极端值的影响。正文：完成本教程后，您将了解：使用标准化的数据规范化和期望的局限性。 需要什么参数以...

7天时间让你变成“时间序列预测”模型开发人员在这个迷你课程中，您将了解如何入门，构建准确的模型，并在7天内使用Python自信地完成预测建模时间序列预测项目。这是一个很重要的导航帖子。您或许应该把本文加入书签。迷你课程概述：这个课程分为7节课。您可以每天完成一节课（推荐）或在一天内完成所有课程（困难）。这取决于你有空的时间和你的热情程度。第01课：时间序列作为监督学习。 第0...

在本教程中，您将了解如何使用Python预测法国香槟的月销售额。完成本教程将为您提供一个框架，用于完成您自己的时间序列预测问题的步骤和工具。完成本教程后，您将了解：如何确认您的Python环境并仔细定义时间序列预测问题。 如何创建测试工具来评估模型，开发基线预测，并使用时间序列分析工具更好地理解您的问题。 如何开发自回归集成移动平均模型，将其保存到文件中，然后加载它以对新时间步骤进...

导读：在组装训练数据的时候，我们经常要用过去的数据来预测当前的值，但过去数据向后去多少位，就是一个取数据窗口大小的问题了。随着数据序列向后偏移，我们取的历史数据也要随之向后移动，这种移动的取数据方法，就叫做数据滚动窗口。文中给出了两种取历史数据方法：1、使用rolling函数自定义长度，2、或者使用expanding方法，对所有先前值进行取值计算正文：在我们开始使用机器...

ARIMA模型是一种流行且广泛使用的时间序列预测统计方法。ARIMA是AutoRegressive Integrated Moving Average的缩写。它是一类模型，它捕获时间序列数据中的一套不同的标准时间结构。在本教程中，您将了解如何使用Python为时间序列数据开发ARIMA模型。完成本教程后，您将了解：关于ARIMA模型使用的参数和模型所做的假设。 如何使ARIMA模...

用Python进行时间序列预测的自回归模型自回归是一个时间序列模型，它使用以前时间步的观察值作为回归方程的输入，以预测下一个时间步的值。这是一个非常简单的想法，可以对一系列时间序列问题进行准确的预测。在本教程中，您将了解如何使用Python实现时间序列预测的自回归模型。完成本教程后，您将了解：如何探索自相关的时间序列数据。 如何开发自相关模型并用它来进行预测。 如何使用开发...

如何将时间序列转换为Python中的监督学习问题在可以使用机器学习之前，必须将时间序列预测问题重新构建为监督学习问题。从序列到输入和输出序列对。在本教程中，您将了解如何将单变量和多变量时间序列预测问题转换为监督学习问题，以便与机器学习算法一起使用。完成本教程后，您将了解：如何开发将时间序列数据集转换为监督学习数据集的函数。 如何转换用于机器学习的单变量时间序列数据。 如何转换多...

导读:什么是基线预测，基线预测有什么用呢？1、首先将数据按照一定的方法转换为监督学习数据。2、其次构建一个数据间的对应函数关系，也叫做数据的持久化。这种映射关系的构建往往是基于我们的经验或者对数据的预处理。3、然后使用训练数据对模型进行训练，得到一个预测模型。再用这个模型对未来数据进行预测。4、最后将预测值和真实值进行残差比较，得出预测值和真实值之间的差异，或者损失，这就是一个...

有时数据没有意义，直到您可以用视觉形式查看，例如图表和图表。能够为自己和他人快速可视化数据样本是应用统计和应用机器学习的重要技能。在本教程中，您将发现在Python中可视化数据时需要了解的五种类型的图表以及如何使用它们来更好地理解您自己的数据。完成本教程后，您将了解：如何使用条形图绘制带有线图和分类数量的时间序列数据。 如何使用直方图和箱形图汇总数据分布。 如何用散点图总结变量...

Python中的Pandas库为时间序列数据提供了出色的内置支持。加载后，Pandas还提供了探索和更好地理解数据集的工具。在本文中，您将了解如何加载和浏览时间序列数据集。完成本教程后，您将了解：如何使用Pandas从CSV文件加载时间序列数据集。 如何查看加载的数据并计算摘要统计信息。 如何绘制和查看时间序列数据。每日女性出生数据集在这篇文章中，我们将以每日女性出生数据...

什么是监督机器学习？它与无监督机器学习有什么关系？在这篇文章中，您将发现有监督的学习，无监督学习和半监督学习。阅读这篇文章后你会知道：关于分类和回归监督学习问题。 关于聚类和关联无监督学习问题。 用于监督和非监督问题的示例算法。 存在于有监督和无监督学习之间的问题称为半监督学习。监督机器学习大多数实际机器学习使用监督学习。监督学习是输入变量（x）和输出变量（Y）的地方，您可...

时间序列预测可以被视为监督学习问题。通过重新构建时间序列数据，您可以访问针对您的问题的标准线性和非线性机器学习算法套件。在这篇文章中，您将了解如何重新构建时间序列问题，作为机器学习的监督学习问题。阅读这篇文章后，你会知道：什么是监督学习，以及它是如何成为所有预测建模机器学习算法的基础。 用于构建时间序列数据集的滑动窗口方法以及如何使用它。 如何使用滑动窗口进行多变量数据和多步预测。...

时间序列预测是机器学习的一个重要领域，往往被忽视。这很重要，因为有很多涉及时间成分的预测问题。这些问题被忽略了，因为正是这个时间组件使得时间序列问题更难以处理。在这篇文章中，您将发现时间序列预测。阅读这篇文章后，你会知道：时间序列，时间序列分析和时间序列预测的标准定义。 时间序列数据中要考虑的重要组成部分。 时间序列的例子，使您的理解具体化。时间序列普通机器学习数据集是观...