網(wǎng)站建設(shè)中高低端區(qū)別北京計(jì)算機(jī)培訓(xùn)機(jī)構(gòu)哪個(gè)最好
文章目錄
- 1 時(shí)間序列
- 1.1 時(shí)間序列特點(diǎn)
- 1.1.1 原始信號(hào)
- 1.1.2 趨勢(shì)
- 1.1.3 季節(jié)性和周期性
- 1.1.4 噪聲
- 1.2 時(shí)間序列預(yù)測(cè)方法
- 1.2.1 統(tǒng)計(jì)方法
- 1.2.2 機(jī)器學(xué)習(xí)方法
- 1.2.3 深度學(xué)習(xí)方法
- 2 GRU
- 2.1 模擬數(shù)據(jù)
- 2.2 數(shù)據(jù)歸一化
- 2.3 生成滯后特征
- 2.4 切分訓(xùn)練集和測(cè)試集
- 2.5 模型訓(xùn)練
- 2.6 模型預(yù)測(cè)
- 3 參考附錄
1 時(shí)間序列
時(shí)間序列數(shù)據(jù)是按特定間隔記錄的觀(guān)測(cè)值集合，例如每小時(shí)的天氣報(bào)告或每日的庫(kù)存和銷(xiāo)售報(bào)告。
時(shí)間序列為我們提供了了解歷史數(shù)據(jù)的工具，并利用它們更確定地預(yù)測(cè)未來(lái)。
1.1 時(shí)間序列特點(diǎn)
在時(shí)間序列分析中，通常將時(shí)間序列分解為趨勢(shì)、季節(jié)性、周期性和噪聲這四個(gè)部分。
1.1.1 原始信號(hào)
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.seasonal import seasonal_decomposedates = pd.date_range(start='2000-01-01'<