- 有哪些用于时间序列预测/回归的算法?
- 使用神经网络如何?(关于这个话题的最佳文档是什么?)
- 是否有可以帮助的Python库/代码片段?
时间序列回归的经典方法包括:
我知道的其他不太常见的方法包括:
神经网络(NN)方法,可以使用递归NN(即用于处理时间信号的NN)或经典前馈NN,其接收部分过去数据作为输入,并尝试预测未来的点;后者的优点是已知递归NN存在考虑远距离过去的问题
pandas
是一个更为活跃的项目:http://pandas.pydata.org/ - Taha Jahangirpandas
是一个很好的用于操作数据序列的项目,特别是在日期很重要的情况下。然而,据我所知,它除了基本的统计工具之外,并不包含许多用于预测和回归的算法。例如,请参见http://pandas.pydata.org/pandas-docs/dev/computation.html。 - pberkes对于分类、回归、聚类、预测及相关任务,处理时间结构化输入有两种方法:
Python软件包tsfresh 从包含时间序列的pandas.DataFrame中计算大量这样的特征。您可以在http://tsfresh.readthedocs.io上找到其文档。
声明:我是tsfresh的作者之一。
测试示例
(https://github.com/blue-yonder/tsfresh/blob/master/notebooks/pipeline_example.ipynb)运行良好。然而,同样的示例
但是有微小的更改
将完全无法工作 - http://content.screencast.com/users/SASH2012/folders/Jing/media/3d5fb327-f5ed-4dba-9061-3093a492dd09/2016-12-23_1603.png请建议。 - SpanishBoyy
设置为随机变量。对于随机目标,您可以想到的每个时间序列特征都是无用的。 - MaxBenChrist你尝试过使用自相关来发现时间序列中的周期性模式吗?你可以使用numpy.correlate函数实现。
https://github.com/ManojKumarMaruthi/Time-Series-Forecasting