使用Python建立时间序列(ARIMA、MA、AR)预测模型 |
您所在的位置：网站首页 › highlight歌曲王者 › 使用Python建立时间序列(ARIMA、MA、AR)预测模型 |
使用Python建立时间序列(ARIMA、MA、AR)预测模型
|
文章内容整理自网上内容，作个人笔记分享使用，如有错误欢迎大家指正。o(｀ω´ )o 文章目录 时间序列定义1）数据导入和处理2）数据格式转换3）平稳性检验2）KPSS 测试消除趋势 移动平均消除趋势和季节性变化1.差分Differencing2. 分解 Decomposing 预测时间序列ARIMAAR model 自回归模型MA model 移动平均模型Combined Model 预测 参考资料 时间序列定义时间序列(Time Series）：按照时间的顺序吧一个随机事件变化发展的过程记录。最常见的时间序列应用，例如每个地区的降雨量、一天的温度变化情况等等。 1）数据导入和处理数据来源&介绍 数据集包含了两组数据：数据里包含了月份以及每月的乘客数量。 import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline from matplotlib.pylab import rcParams rcParams['figure.figsize']=15,6 #数据导入和查看 data=pd.read_csv('Airpassengers.csv') print(data.head()) print('\nData Types:') print(data.dtypes)
将数据中的时间信息转换成索引。 #格式转换 dateparse=lambda dates: pd.datetime.strptime(dates,'%Y-%m') data=pd.read_csv('Airpassengers.csv',parse_dates=['Month'],index_col='Month',date_parser=dateparse) data.head() # parse_dates：指定包含日期时间信息的列。例子里的列名是'Month‘ # index_col：在TS数据中使用pandas的关键是索引必须是日期等时间变量。所以这个参数告诉pandas使用'Month'列作为索引 # date_parser：它指定了一个将输入字符串转换为datetime可变的函数。pandas 默认读取格式为'YYYY-MM-DD HH:MM:SS'的数据。如果这里的时间格式不一样，就要重新定义时间格式，dataparse函数可以用于此目的。 #查看数据的索引 data.index
注意到这里： dtype='datetime64[ns] 就可以确定是时间对象。这样将数据格式转换成Series object 就可以避免每次使用时都要提到列名。 3）平稳性检验 #导入包 from statsmodels.tsa.stattools import adfuller def test_stationarity(timeseries): #Determing rolling statistics rolmean=timeseries.rolling(12).mean() rolstd=timeseries.rolling(12).std() #Plot rolling statistics: orig=plt.plot(timeseries,color='blue',label='Original') mean=plt.plot(rolmean,color='red',label='Rolling Mean') #均值 std=plt.plot(rolstd,color='black',label='Rolling Std') #标准差 plt.legend(loc='best') plt.title('Rolling Mean & Standard Deviation') plt.show(block=False) #Perform Dickey-Fuller Test: print('Results of Dickey-Fuller Test:') dftest=adfuller(timeseries,autolag='AIC') dfoutput=pd.Series(dftest[0:4],index=['Test Statistic','p-value','#Lags Used','Number of Observations Used']) for key,value in dftest[4].items(): dfoutput['Critical Value (%s)'%key]=value print(dfoutput) #检验结果 test_stationarity(ts)
在上面的例子中，检验统计量>临界值，这意味着序列是非平稳的。 2）KPSS 测试KPSS测试，(Kwiatkowski-phillips-schmidt-Shin Test） 不如ADF方法流行。KPSS检验的原假设和备择假设与ADF检验相反。！！！ H0:序列是趋势平稳的 H1: 序列有一个单位根序列。（不是平稳的） # define function for ADF from statsmodels.tsa.stattools import kpss def kpss_test(timeseries): #Perform KPSS Test: print('Results of KPSS Test:') kpsstest=kpss(timeseries,regression='c') kpss_output=pd.Series(kpsstest[0:3],index=['Test Statistic','p-value','#Lags Used']) for key,value in kpsstest[3].items(): kpss_output['Critical Value (%s)'%key]=value print(kpss_output) kpss_test(train['#Passengers'])
|
虽然时间序列中的平均偏差不是很小，但很明显，这不是一个平稳的时间序列。此外，测试统计远远超过临界值。
结果显示TS>cv, p 【本文地址】
今日新闻 |
推荐新闻 |