Time is relative. Your body hasn't even hit the floor yet. I've spent so many years...peering through time...looking at this exact moment. But I can't see past it.
简介:(新手向)
时间序列模型在生活中的各个部分都参了一脚,从股票走势到商品销售额的预测,都无法离开时间序列模型,于是,在参加完厦门大学时间序列模型预测课程的大作业后,写下一些帮助时间序列模型建设的blog,谨此纪念第一次正式的建模。
本文章不注重于深究模型是如何建立,更加注重于模型的实战运用与分析
如下为训练集,所有测试都放在kaggle上,所以暂无测试集数据,可以通过sklearn的timeseriessplit进行交叉验证观察模型的拟合效果,需要预测未来三天的走势
链接:https://pan.baidu.com/s/1wR7-w3vGKv03FzQPR3KqhA?pwd=Data
提取码:Data
任务与如何建模
任务:建立一个时间序列模型并预测接下来三天的数据
听起来是不是非常简单的样子?只要建立模型,再根据模型把接下来的三天都预测下来,这不就结束了嘛,甚至我自己大概看看数据的走向都能做成这样的事~
当然,这只是表层的,使用读者自己的神经网络实现的模型预测
但是当数据量很大的时候自己的神经网络够用去计算这些所有的值?显然会先让自己的
标签:教程,特征,data,模型,ARIMA,grid,新手,数据 From: https://blog.csdn.net/2302_79349465/article/details/140467294