Python如何实现时间序列预测的7种技术详解？

本文共计3615个文字，预计阅读时间需要15分钟。

数据准备+数据集（JetRail高铁的乘客数量）下载。假设需要解决一个时间序列问题：根据过去两年的数据（2012年8月至2014年8月），使用这些数据预测接下来7个月的乘客数量。+import+pandas

数据准备

数据集（JetRail高铁的乘客数量）下载.

假设要解决一个时序问题：根据过往两年的数据（2012 年 8 月至 2014 年 8月），需要用这些数据预测接下来 7 个月的乘客数量。

import pandas as pd import numpy as np import matplotlib.pyplot as plt df = pd.read_csv('train.csv') df.head() df.shape

依照上面的代码，我们获得了 2012-2014 年两年每个小时的乘客数量。为了解释每种方法的不同之处，以每天为单位构造和聚合了一个数据集。

• 从 2012 年 8 月- 2013 年 12 月的数据中构造一个数据集。
• 创建 train and test 文件用于建模。前 14 个月（ 2012 年 8 月- 2013 年 10 月）用作训练数据，后两个月（2013 年 11 月 – 2013 年 12 月）用作测试数据。
• 以每天为单位聚合数据集。