Pandas 时间序列数据预测(基于带移位的增量(1))
我有按递增顺序排列的时间序列数据,如下所示:Pandas 时间序列数据预测(基于带移位的增量(1)),pandas,time-series,prediction,forecasting,arima,Pandas,Time Series,Prediction,Forecasting,Arima,我有按递增顺序排列的时间序列数据,如下所示: **dataset 1** ---------------------- date value ---------------------- date1 10 date2 12 date3 13 date4 15 ---------------------- 如果我使用标准模型进行预测,我会得到一个没有任何问题的好结果 我的问题是:我能用移位(1)得到数据的增量,并使用得到的序列进行预测吗?其增量值如下所示: **datase
**dataset 1**
----------------------
date value
----------------------
date1 10
date2 12
date3 13
date4 15
----------------------
如果我使用标准模型进行预测,我会得到一个没有任何问题的好结果
我的问题是:我能用移位(1)得到数据的增量,并使用得到的序列进行预测吗?其增量值如下所示:
**dataset 2**
----------------------
date value
----------------------
date1 0
date2 2
date3 1
date4 2
----------------------
我是否将好的数据转化为“白噪声”?您对此有何建议?获取时间序列的增量是本课程的一部分。如果三角洲不是静止的,那么对它们的进一步分析可以显示趋势和季节性。当差分不产生白噪声时,情况正是如此
也就是说,您可能没有必要从头开始开发它。例如,库包含?AR?MA?模型(即自回归移动平均模型,可能是综合模型)。您可能需要特别检查。感谢您的详细回答(仅限使用statsmodels.tsa试用)。如果我取时间序列上的delta并使用AR、MA、ARMA或ARIMA进行预测会怎么样?希望ARIMA采用delta并将其用作组件之一,我为ARIMA采用delta是否有错误?**采用delta(我的数据集并在ARIMA中使用)@M.Gopal
statsmodels.tsa
中的模型已经处理了delta。如果不将它们应用于三角洲,可能会更好。