(Python)時序預測的七種方法

介紹

大多數人都據說過關於Cryptocurrency，許多人也許會投資他們的加密貨幣。可是，投資這種不穩定的貨幣安全嗎？怎樣才能確保現投資這些硬幣將來必定能帶來穩定的收益呢？咱們不能肯定，但確定能根據之前的價格產生一個近似值。時序模型是預測的一種方法。

除了加密貨幣，還有許多重要的應用時序預測的領域，例如：銷售預測，呼叫中心的通話量，太陽的活動，海潮，股市行爲等等。

目錄

• 理解問題描述和數據集
• 安裝庫
• 方法 1 –以簡單的方式開始
• 方法2 – 簡單平均數
• 方法3 – 移動平均數
• 方法 4 –指數平滑法
• 方法5 – Holt線性趨勢法
• 方法6 – Holt冬季季節法
• 方法7 –綜合自迴歸移動平均法（ARIMA）

理解問題描述和數據集

提供了涉及預測JetRail通勤人數的時序問題，一個新的高速鐵路服務。咱們提供了2年的數據，並利用這些數據預測將來7個月的通勤人數。

在本文中，只使用訓練數據集。

從以上的報表上看到，咱們有2年的按小時計的通勤數據（2012-2014），須要預估將來的通勤數量。

在本文中，我構造子集和彙總數據集以便講解不一樣的方法。

• 構造數據集的子集 (2012/08 – 2013/12)
• 爲建模構造訓練和測試文件。前14個月的數據被用做訓練數據（2012/08 - 2013/10），後兩個月的被用做測試數據（2013/11 - 2013/12）。
• 天天彙總數據集。

把數據（用於訓練的和測試的）可視化，以瞭解在一段時間內是如何變化的。

安裝庫（statsmodels）

用來進行時序預測的庫是statsmodels。在應用不多的給定方法以前，須要安裝一下。statsmodels可能已經安裝在你的Python開發環境了，但它不支持的預測方法。咱們將從存儲庫克隆一下並進行源碼安裝。按照以下步驟 :