机器学习-时间序列分析1
时间序列介绍
时间序列分析基础
什么是时间序列
时序分析的基础：平稳性检测
- 严平稳：一种条件比较苛刻的平稳性定义，它认为只有当序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为平稳。
- 宽平稳：使用序列的特征统计量来定义的 一种平稳性。它认为序列的统计性质主要由它的低阶矩决定，所以只要保证序列低阶矩平稳（二阶），就能保证序列的主要性质近似稳定。
自回归（AR）模型
移动平均（MA）模型
自回归移动平均（ARMA）模型
自回归移动平均（ARMA）模型-p
自回归移动平均（ARMA）模型-q
时间序列的特性分析 - 随机性：如果一个时间序列是纯随机序列，意味着序列没有任何规律性，序列诸项之间不存在相关性，即序列是白噪声序列，其自相关系数应该与0没有显著差异。可以利用置信区间理论进行判定。
- 平稳性：我们称满足下列条件的时间序列为平稳时间序列：
- 趋势性：当Y值在一段时间内随着时间有明显的向上或向下的趋势的时候，我们认为有趋势性。下图为某地区人口变化。
- 季节性：时间序列的季节性是指在某一固定的时间间隔上，序列重复出现某种特性。下图为某航空公司客流量变化。