数据

如何确定ARIMA模型中参数p、d、q

在先前学习的使用ARIMA预测时间序列的文章中,对于如何确定参数p、d、q还是存在一些疑问,今天学习的这篇文章
33 sec read

最优模型选择准则:AIC和BIC

很多参数估计问题均采用似然函数作为目标函数,当训练数据足够多时,可以不断提高模型精度,但是以提高模型复杂度为代
22 sec read

如何理解自相关和偏自相关图

前几篇的时间序列预测的文章中,都用到了自相关(ACF)和偏自相关(PACF)图,但是理解起来还是存在一些问题。
42 sec read

时间序列预测:使用Python创建季节性ARIMA模型

此文与先前的  时间序列预测初学者指南(Python)的内容类似,只不过中间多了一个季节性的的内容,在学习前,
37 sec read

使用ARIMA进行时间序列预测(Python)

前几篇文章介绍了使用时间序列进行预测的大致思路及流程,今天又找到一篇使用ARIMA进行时间序列的文章,处理的流
30 sec read

时间序列预测初学者指南(Python)

这篇文章是《基于R语言的时间序列建模完整教程》的后续文章,不同的是本文采用Python来进行讲解。本文在原文基
1 min read

时间序列建模完整教程(R语言)

对于企业时间是最重要的因素,然而绝大多数公司很难跟上时间的脚步。但是随着技术的发展,出现了很多有效的方法,能够
1 min read

用Python进行时间序列预测的7种方法

时间序列预测在日常分析中常会用到,前段时间在处理预算相关的内容,涉到一些指标预测,学习到了这篇文章,整理出来分
39 sec read

当你谈论大数据的时候你还在说Hadoop?

现在再写这篇文章感觉有些不合时宜,目前,貌似很少人再讨论大数据,也很少人再讨论Hadoop。整理这篇文章,是为
1 min read

Pandas学习之差分函数diff

在上一篇的文章中,我们学习了Pandas的shift函数,今天要来学习的是diff函数,shift函数与dif
7 sec read

Pandas Shift函数学习笔记

在使用Pandas的过程中,有时会遇到shift函数,今天就一起来彻底学习下。先来看看帮助文档是怎么说的:
27 sec read

使用Python进行相关性分析

在数据分析时,经常会针对两个变量进行相关性分析。在Python中主要用到的方法是pandas中的corr()方
16 sec read