ARIMA模型

十載的觀山湖網(wǎng)站建設(shè)經(jīng)驗，針對設(shè)計、前端、開發(fā)、售后、文案、推廣等六對一服務(wù)，響應(yīng)快，48小時及時工作處理。營銷型網(wǎng)站的優(yōu)勢是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動調(diào)整觀山湖建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計，從而大程度地提升瀏覽體驗。創(chuàng)新互聯(lián)建站從事“觀山湖網(wǎng)站設(shè)計”,“觀山湖網(wǎng)站推廣”以來，每個客戶項目都認(rèn)真落實執(zhí)行。

ARIMA模型的全稱是自回歸移動平均模型，是用來預(yù)測時間序列的一種常用的統(tǒng)計模型，一般記作ARIMA(p,d,q)。

ARIMA的適應(yīng)情況

ARIMA模型相對來說比較簡單易用。在應(yīng)用ARIMA模型時，要保證以下幾點：

• 時間序列數(shù)據(jù)是相對穩(wěn)定的，總體基本不存在一定的上升或者下降趨勢，如果不穩(wěn)定可以通過差分的方式來使其變穩(wěn)定。
• 非線性關(guān)系處理不好，只能處理線性關(guān)系

判斷時序數(shù)據(jù)穩(wěn)定

基本判斷方法：穩(wěn)定的數(shù)據(jù)，總體上是沒有上升和下降的趨勢的，是沒有周期性的，方差趨向于一個穩(wěn)定的值。

ARIMA數(shù)學(xué)表達

ARIMA(p,d,q)，其中p是數(shù)據(jù)本身的滯后數(shù)，是AR模型即自回歸模型中的參數(shù)。d是時間序列數(shù)據(jù)需要幾次差分才能得到穩(wěn)定的數(shù)據(jù)。q是預(yù)測誤差的滯后數(shù)，是MA模型即滑動平均模型中的參數(shù)。

a) p參數(shù)與AR模型

AR模型描述的是當(dāng)前值與歷史值之間的關(guān)系，滯后p階的AR模型可以表示為：

其中u是常數(shù)，et代表誤差。

b) q參數(shù)與MA模型

MA模型描述的是當(dāng)前值與自回歸部分的誤差累計的關(guān)系，滯后q階的MA模型可以表示為：

其中u是常數(shù)，et代表誤差。

c) d參數(shù)與差分

一階差分：

二階差分：

d) ARIMA = AR+MA

ARIMA模型使用步驟

• 獲取時間序列數(shù)據(jù)
• 觀測數(shù)據(jù)是否為平穩(wěn)的，否則進行差分，化為平穩(wěn)的時序數(shù)據(jù),確定d
• 通過觀察自相關(guān)系數(shù)ACF與偏自相關(guān)系數(shù)PACF確定q和p

• 得到p，d，q后使用ARIMA(p,d,q)進行訓(xùn)練預(yù)測

Python調(diào)用ARIMA

#差分處理
diff_series = diff_series.diff(1)#一階
diff_series2 = diff_series.diff(1)#二階
#ACF與PACF
#從scipy導(dǎo)入包
from scipy import stats
import statsmodels.api as sm
#畫出acf和pacf
sm.graphics.tsa.plot_acf(diff_series)
sm.graphics.tsa.plot_pacf(diff_series)
#arima模型
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(train_data,order=(p,d,q),freq='')#freq是頻率,根據(jù)數(shù)據(jù)填寫
arima = model.fit()#訓(xùn)練
print(arima)
pred = arima.predict(start='',end='')#預(yù)測

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)頁標(biāo)題：Python時間序列處理之ARIMA模型的使用講解-創(chuàng)新互聯(lián)
文章鏈接：http://weahome.cn/article/dsgopo.html