1 基础时序方法
均值回归：对历史一段时间的值取平均，作为未来每个时刻的预测
指数平滑：预测值是过去一段时间内观测值（或已预测值）的加权平均值
普通回归预测：借助时序相关特征（如节假日、周期性）实现建模预测
更多时序类衍生特征可参考 tsfresh概述
2 ARIMA
自回归（AR）模型：
- 用变量自身的历史时间数据对变量进行预测
- AR 模型需要满足时序平稳性的要求，时序间需要存在自相关性
- p 阶 AR模型的公式定义如下：$y_t=\mu+\Sigma_{i=1}^p\gamma_iy_{
发表评论
109 views