獨家 | 利用Auto ARIMA構建高性能時間序列模型（附Python和R代碼）

想象你如今有一個任務：根據已有的歷史數據，預測下一代iPhone的價格，可以使用的特徵包括季度銷售、月度支出以及蘋果資產負債表上的一系列內容。做爲一名數據科學家，你會把這個問題歸類爲哪一類問題？固然是時間序列建模。

從預測產品銷售到估算家庭用電量，時間序列預測是任何數據科學家都應該知道——哪怕不是熟練掌握——的核心技能之一。你可使用多種不一樣的方法進行時間序列預測，咱們將在本文中討論Auto ARIMA，它是最爲有效的方法之一。

首先，咱們來了解一下ARIMA的概念，而後再進入正題——Auto ARIMA。爲了鞏固概念，咱們將使用一個數據集，並用Python和R實現它。

目錄

1、什麼是時間序列？

2、時間序列預測的方法

3、ARIMA簡介

4、ARIMA實現步驟

5、爲何須要Auto ARIMA？

6、用Auto ARIMA實現案例(航空乘客數據集)

7、Auto ARIMA如何選擇參數？

若是你熟悉時間序列及其經常使用方法(如移動平均、指數平滑和ARIMA)，則能夠直接跳到第4節。對於初學者，請從下面這一節開始，內容包括對時間序列和各類預測方法的簡要介紹。