Популярным и широко используемым статистическим методом для прогнозирования временных рядов является модель ARIMA.
arima — это аббревиатура от AutoRegressive Integrated Moving Average. Это класс модели, который фиксирует набор различных стандартных временных структур в данных временных рядов.
В этом руководстве вы узнаете, как разработать модель ARIMA для данных временных рядов с помощью Python.
После завершения этого урока вы узнаете:
О модели ARIMA используемые параметры и предположения, сделанные моделью.
Как приспособить модель ARIMA к данным и использовать ее для составления прогнозов.
Как настроить модель ARIMA для вашей задачи временных рядов.
Давайте начнем. Модель ARIMAкласс статистических моделей для анализа и прогнозирования данных временных рядов.
Он явно обслуживает набор стандартных структур данных временных рядов и, как таковой, предоставляет простой, но мощный метод для создания искусных прогнозов временных рядов.
ARIMA — это аббревиатура от AutoRegressive Integrated Moving Average. Это обобщение более простой авторегрессионной скользящей средней и добавляет понятие интеграции.
Эта аббревиатура носит описательный характер и отражает ключевые аспекты самой модели. Вкратце, это:
Арканзас:авторегрессии, Модель, которая использует зависимую связь между наблюдением и некоторым количеством запаздывающих наблюдений.
я:интегрированный, Использование разности необработанных наблюдений (например, вычитание наблюдения из наблюдения на предыдущем временном шаге) для того, чтобы сделать временной ряд стационарным.
Массачусетс:Скользящая средняя, Модель, которая использует зависимость между наблюдением и остаточной ошибкой от модели скользящего среднего, примененной к лаговым наблюдениям.
Каждый из этих компонентов явно указан в модели в качестве параметра. Используется стандартное обозначение ARIMA (p, d, q), где параметры заменяются целочисленными значениями для быстрого указания конкретной используемой модели ARIMA.