超完整！11 种经典时间序列预测方法！

文章预览

本文我们深入探讨如何使用机器学习方法对 Python 的时间序列问题进行分类和预测。 我们将深入研究一套经典的时间序列预测方法，您可以在探索机器学习方法之前测试这些方法。 虽然传统方法强调线性关系，但它们在许多情况下都是熟练且有效的。只要数据准备充分，技术设置好就会很好。 一、  概述 本文演示了 11 种不同的经典时间序列预测方法，以及时间序列方法的对比及实践教程。     自回归 （AR）   移动平均线 （MA） 自回归移动平均线 （ARMA） 自回归综合移动平均线 （ARIMA） 季节性自回归综合移动平均线 （SARIMA） 具有外生回归的季节性自回归积分移动平均值 （SARIMAX） 向量自回归 （VAR） 向量自回归移动平均 （VARMA） 具有外生回归的向量自回归移动平均值 （VARMAX） 简单指数平滑 （SES） Holt Winter 指数平滑 （HWES） 每种方法都以一 ………………………………