一、时间序列分析的简介
一、时间序列的基本概念$emsp;按照时间的顺序把随机时间变化发展的过程记录下来就构成了一个时间序列，对时间序列进行观察、研究，寻找它的变化发展规律，预测它将来的走势，就是时间序列分析。...
二、时间序列的预处理
一般情况下，拿到一个观察值序列之后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。根据检验的结果可以将序列分为不同的类型，对不同类型的序列我们会采用不同的分析方法。一、平稳性检验1、特征统计量（1）概率分布 数理统计的基础知识告诉我们分布函数或者密度函数能够完整地描述一个随机变量的统计特征。同样，一个堆积变量族{Xt} 的统计特征也完全由它们的联合分布函...
三、用python实现平稳时间序列的建模
一、平稳序列建模步骤 假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列，就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下：（1）求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。（2）根据样本自相关系数和偏自相关系数的性质，选择适当的ARMA（p，q）模型进行拟合。（3）估计模型中位置参数的值。（4）检验模型的有效性。如果模型不通过检验，转向步...
四、非平稳序列的确定性分析
一、确定性因素分解1、确定性因素 由确定性因素导致的非平稳通常会显示出明显的规律性，所有的序列波动都可以归纳为受到以下四大类因素的综合影响：（1）长期趋势（trend）。序列呈现出明显的长期递增或递减的变化趋势。（2）循环波动（circle）。序列呈现出从低到高再从高到低的反复循环波动。循环的周期可以变化，不一定是固定的。（3）季节性变化（season）。序列呈现出和季节变化相关的稳定周期...
一、回归分析——LinearRegression
一、官方文档class sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)1.参数：Ordinary least squares Linear Regression.（普通最小二乘线性回归）Parameters:fit_intercept : boolea...
二、线性回归——岭回归Ridge Regression
1. 基本模型 岭回归是在前篇介绍普通最小二乘法回归（ordinary least squares regression）的基础上，加入了对表示系数的L2-norm约束。其目标函数为： 我们可以看到the first term 表示对回归表示后的误差最小，the second term是表示系数的均方根最小化。需要之处的是，这种对系数的约束在sparse coding, diction...
三、回归预测的评价指标（附python代码）
一、回归预测评估指标标注说明：f表示预测值，y表示实际值下面是回归预测中常用的评价指标：MAE(Mean Absolute Error) 平均绝对误差 MAE=1n∑i=1n|fi−yi|MSE(Mean Square Error) 平均平方差/均方误差是回归任务最常用的性能度量。 MSE=1n∑i=1n(fi−yi)2RMSE(Root Mean Square Error) 方均根差 RMSE=...
四、套索回归 (Lasso Regression)的基本应用
一、使用场合与岭回归类似，套索 (Least Absolute Shrinkage and Selection Operator) 也会对回归系数的绝对值添加一个罚值。此外，它能降低偏差并提高线性回归模型的精度。看看下面的等式：套索回归与岭回归有一点不同，它在惩罚部分使用的是绝对值，而不是平方值。这导致惩罚（即用以约束估计的绝对值之和）值使一些参数估计结果等于零。使用的惩罚值越大，估计值会越趋近于...
基于机器学习方法对销售预测的研究
基于机器学习方法对销售预测的研究在开始今天的分享之前，我首先跟大家简单的聊一下，刚刚过去的双十一，大家可能更关心的是双十一的折扣，什么商品打了什么折扣。但是对于天猫而言，他们可能更关心的是双十一当天的销售额是多少，因为知道销售额，他就能提前做一个准备，做到未雨绸缪。作者：唐新春来源：大数据杂谈|2016-12-28 15:19 收藏 分享很高兴“InfoQ”团队和“百分点大数据学院”牵头举办此次...
一、XGBoost算法
一、Xgboost模型参数 Xgboost模型有３种类型的参数：通用参数、辅助参数和任务参数。通用参数确定上升过程中上升模型类型，常用树或线性模型；辅助参数取决于所选的上升模型；任务参数定义学习任务和相应的学习目标。Xgboost模型中，常用参数说明如下：（１）Xgboost：设置需要使用的上升模型。可选gbtree（树）或gblinear（线性函数），默认为gbtree。（２）n...
一、机器学习一些基本概念
一、数据科学项目的各个阶段
1.定义业务问题
Albert Einstein once quoted “Everything should be made as simple as possible, but not simpler” 这句话是定义业务问题的关键。 需要开发和构建问题陈述。需要建立明确的成功标准。根据我的经验，业务团队忙于处理他们的操作任务。这并不意味着他们没...
三、模型自变量选择方法
在本系列的最后一篇文章中，我们讨论了多元线性回归模型。费尔南多创建了一个模型，根据五个输入参数估算汽车价格。
费尔南多的确获得了一个比较好的模型，然而，费尔南多想要获得最好的输入变量集
本文将详细介绍模型选择方法
一、概念
模型选择方法的想法很直观。它回答了以下问题：
如何为最佳模型选择正确的输入变量？
如何定义最佳模型？
最优模型是使数据与评估指标的最佳值相匹配的模型。
...
【设计模式】创建型模式
写在前面
我们已经知道，设计模式有23种：
设计模式类型
包括 创建型模式 （5种）
单例模式、抽象工厂模式、建造者模式、工厂方法模式、原型模式
结构型模式（7种）
适配器模式、桥接模式、装饰模式、组合模式、外观模式、享元模式、代理模式
行为型模式 （11种）
模版方法模式、命令模式、迭代器模式、观察者模式、中介者模式、备忘录模式、解释器模式（Interprete
【设计模式】结构型模式
写在前面
我们已经知道，设计模式有23种：
设计模式类型
包括 创建型模式 （5种）
单例模式、抽象工厂模式、建造者模式、工厂方法模式、原型模式
结构型模式（7种）
适配器模式、桥接模式、装饰模式、组合模式、外观模式、享元模式、代理模式
行为型模式 （11种）
模版方法模式、命令模式、迭代器模式、观察者模式、中介者模式、备忘录模式、解释器模式（Interprete
【VB .Net】概况全揽
写在前面VB .Net的学习，可以选择看视频，也可以选择看书。个人比较喜欢看书，因为可以放在手机上，随时可以拿出来看。接下来写一写自己在看书过程中的收获是什么VB .Net 是一种.net语言。它将.NET Framework和公共语言运行库的强大功能与作为Visual Basic标志的生产力优势相结合。与VB不同，VB .Net是全部面向对象的语言，支持面向对象的四个基本属性：抽象，继承，封装，多
周排行