Search Results: 时间序列

Python和R语言使用指数加权平均(EWMA),ARIMA自回归移动平均模型预测时间序列

本文学习创建时间序列预测的步骤,关注Dickey-Fuller检验、指数加权平均(EWMA)和ARIMA(自回归移动平均)模型,从理论上学习这些概念以及它们在python和R中的实现。

R语言时间序列:ARIMA / GARCH模型的交易策略在外汇市场预测应用

最近,我们继续对时间序列建模进行探索,研究时间序列模型的自回归和条件异方差族。我们想了解自回归移动平均值(ARIMA)和广义自回归条件异方差(GARCH)模型。它们在量化金融文献中经常被引用。

在r语言中使用GAM(广义相加模型)进行电力负荷时间序列分析

在绘制的时间序列中可以看到两个主要的季节性:每日和每周。我们在一天中有48个测量值,在一周中有7天,因此这将是我们用来对响应变量进行建模的自变量–电力负荷。

Python中利用长短期记忆模型LSTM进行时间序列预测分析 – 预测电力负荷数据

LSTM(或长期短期存储器网络)允许分析具有长期依赖性的顺序或有序数据。当涉及到这项任务时,传统的神经网络不足,在这方面,LSTM将用于预测这种情况下的电力消耗模式。

机器学习助推快时尚精准销售时间序列预测

对于零售行业来说,预测几乎是商业智能(BI)研究的终极问题,单纯从机器学习的角度来说,做到精准预测很容易,但是结合业务提高企业利润却很难。预测精确性是核心痛点。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498