详细内容或原文请订阅后点击阅览
懒数据科学家的时间序列指南预测
为什么在几分钟之内使用Python预测数据时，为什么浪费数周的调整模型？
来源:KDnuggets＃简介
＃时间序列预测无处不在。无论您是预测下一季度的销售，估计库存需求还是计划财务预算，准确的预测都可以做出或违反战略决策。
但是，经典的时间序列方法（例如艰苦的Arima调音）是复杂且耗时的。
这给许多数据科学家，分析师和BI专业人员带来了困境：精度与实用性。
那是懒惰的数据科学家的心态的来源。为什么当现代Python预测图书馆和Automl可以在不到一分钟的时间内为您提供足够的解决方案时，为什么要花几周的方式进行微调模型？
在本指南中，您将学习如何采用自动预测方法，该方法可提供快速，合理的准确性 - 而无需内gui。
＃什么是时间序列预测？
时间序列预测是指预测从一系列历史数据序列得出的未来值的过程。常见应用包括销售，能源需求，金融和天气等。
四个关键概念驱动时间序列：
- 趋势：长期趋势，通过长时间的增加或减少表示：季节性：在一年内定期重复的模式（每天，每周，每月），并且与日历相关联。周期性：重复运动或振荡持续一年以上，通常由宏观经济条件驱动。
要进一步了解时间序列，请参阅《大熊猫的时间序列指南》。
pandas的时间序列指南p
d