详细内容或原文请订阅后点击阅览
ARIMA：预测时间序列数据的模型
了解 ARIMA 模型的工作原理以及如何在 Python 中实现它们以实现准确预测继续阅读 Towards Data Science »
来源:走向数据科学arima：一个预测时间序列数据的模型
了解Arima模型如何工作以及如何在Python中实施它们以进行准确的预测
Jean-Luc Picard Unplash缩写Arima代表自回归的集成移动平均值，并指用于分析时间序列数据的一类统计模型。该模型可用于对数据的未来开发进行预测，例如在科学或技术领域。当存在所谓的时间自相关时，ARIMA方法主要使用，即简而言之，时间序列显示出趋势。
在本文中，我们将解释与Arima模型相关的所有方面，首先是对时间序列数据及其特殊功能的简单介绍，直到我们在Python中训练自己的模型并在本文结尾进行详细评估。
什么是时间序列数据？
时间序列数据是一种特殊的数据集，其中测量以常规的时间间隔进行。这为这样的数据集合提供了其他数据集中缺少的附加维度，即时间组件。时间序列数据在衡量系统随着时间的变化时，例如在金融和经济领域或自然科学中使用。
时间序列数据