1 基本定义数据平稳性的图判断：平稳时间序列的均值和方差都为常数，因此平稳时间序列的时序图应该围绕一条水平线上下波动，而且波动范围有界。（a）非平稳：有明显的周期性，趋势性平稳时间序列的序列值之间有短期相关性，则其表现特征是：自相关函数会很快地衰减到零附近（b）非平稳：自相关函数衰减到零附近的速度比较慢（c）非平稳：自相关图典型特征，三角对称关系（图1.13）（d）非平稳 ：自相关系数衰
转载
2024-06-07 06:07:59
164阅读
如何创建简单的回归模型来预测钻石价格”。 我们将绘制一个具有目标数据的回归模型。
转载
2021-08-04 14:16:06
480阅读
介绍鉴于Python在过去几年中的兴起及其简洁性，对于数据科学领域的Python学家意义重大。这篇文章会用最容易的方式引导你更快地构建第一个预测模型。 出乎意料的简单!10分钟用python进行人工智能建立预测模型 揭秘预测建模的过程我一直专注于在模型构建的初始阶段投入质量时间，如假设生成/脑力激荡会议/讨论或理解领域。所有这些活动都帮助我解决问题，最终导致我设计出更强大的业务解决方案。
转载
2023-08-22 16:09:40
281阅读
销量预测：评价指标：单个原子颗粒度，Acc=1-MAPE=1-abs(真实销量-预测销量)/真实销量全部的预测准确率，每个商品的实际销量加权平均 解题思路：销量可以分为日销和大促分开，大促又可以分为促前、促中、促后。大促又可以分为不同的等级（S、A、B）捕捉销量的周期性、季节性、趋势性。把商品分为周期性商品和季节性商品，以及对按照销量对商品等级进行划分（ABCDE） 异常值及缺
转载
2023-07-24 16:16:50
546阅读
一、模型的偏差与方差 所描述的事情本质上就是过拟合和欠拟合。偏差描述的是模型预测准不准，低偏差就是表示模型预测能力是不错的，就像图中的点都在靶心附近。方差描述的是模型稳不稳定，就像图中高方差的那些点，它们很分散，说明射击的成绩不稳定，波动很大。二、用学习曲线与验证曲线诊断模型一般来说，影响模型效果有三个重要的因素：数据量大小：训练样本数量越大，模型越不太容易出 现高方差（过拟合）（换句话说：训练样
转载
2024-01-03 11:10:59
103阅读
# Python预测模型实现教程
## 一、流程概述
在实现Python的预测模型时，通常需要经历以下几个步骤：
| 步骤 | 描述 |
| --- | --- |
| 1 | 数据准备与清洗 |
| 2 | 特征工程 |
| 3 | 选择模型 |
| 4 | 模型训练 |
| 5 | 模型评估 |
| 6 | 模型预测 |
## 二、具体步骤及代码示例
### 1. 数据准备与清洗
原创
2024-03-15 04:34:15
301阅读
Python银行风控模型的建立一、用神经网络Sequential（序贯模型）搭建1、背景：700个数据，前8列作为x，最后一列为y，建立银行风控模型。（数据量不大）二分类问题，损失函数用’binary_crossentropy’，指标也用metrics=[BinaryAccuracy()]训练集和测试集8-2开，但我最后还是用y和yp比较模型精度，所以不应该要求精度太高（避免过拟合）2、经过多次调
转载
2023-10-17 22:32:39
218阅读
为什么要选择此选题：以前学数据分析做过爬虫大数据分析程序；课题与要达成的数据分析目的：分析阿里天池天池的价格预测，大数据分析是推动数字经济发展的关键生产要素，大数据是重塑国家竞争优势的重大发展机遇，大数据是实现治理能力现代化的重要创新工具，大数据是建设数字中国的关键创新动力，数据集：阿里天池天池的价格预测，数据清理步骤：预处理阶段第一步：缺失值清洗第二步：格式内容清洗第三步：逻辑错误清洗第四步：非
转载
2024-01-23 11:10:36
179阅读
ARIMA模型全称是自回归移动平均模型(Autoregressive Integrated Moving Average Model)，它是处理带有趋势、季节因素平稳随机项数据的模型。ARIMA的一般模型为ARIMA(p,d.q),称为差分自回归移动平均模型，AR是自回归，P为自回归项，MA为移动平均，q为移动平均项数，d为时间序列平稳时所做的差分次数。 1.ARIMA模型的核心思想： ARIMA
转载
2023-09-11 11:25:14
196阅读
Keras是一个用于深度学习的Python库，它包含高效的数值库Theano和TensorFlow。 本文的目的是学习如何从csv中加载数据并使其可供Keras使用，如何用神经网络建立多类分类的数据进行建模，如何使用scikit-learn评估Keras神经网络模型。前言，对两分类和多分类的概念描述1，在LR（逻辑回归）中，如何进行多分类？ 一般情况下，我们所认识的lr模型是一个二分类的模
转载
2023-09-25 17:37:41
161阅读
时间序列模型时间序列预测分析就是利用过去一段时间内某事件时间的特征来预测未来一段时间内该事件的特征。这是一类相对比较复杂的预测建模问题，和回归分析模型的预测不同，时间序列模型是依赖于事件发生的先后顺序的，同样大小的值改变顺序后输入模型产生的结果是不同的。举个栗子：根据过去两年某股票的每天的股价数据推测之后一周的股价变化；根据过去2年某店铺每周想消费人数预测下周来店消费的人数等等RNN 和 LSTM
转载
2023-08-16 08:48:54
39阅读
构建预测模型的一般流程问题的日常语言表述->问题的数学语言重述重述问题、提取特征、训练算法、评估算法熟悉不同算法的输入数据结构：1.提取或组合预测所需的特征2.设定训练目标3.训练模型4.评估模型在训练数据上的性能表现机器学习：开发一个可以实际部署的模型的全部过程，包括对机器学习算法的理解和实际的操作通常，有非常切实的原因，导致某些算法被经常使用，了解背后的原因(1)构造一个机器学习问题审视
转载
2023-06-20 13:24:42
356阅读
我一直对数据界的编程马拉松（Hackathons）保持关注。通过对比排名榜初期和最终的结果， 我发现了一个有趣的现象：在初期排名较高的参赛者，在最终的验证环节往往地位不保，有些甚至跌出前 20 名。猜猜是什么对引起了排名的剧烈变化？换句话说，为什么这些参赛者的模型在最终验证环节无法保证稳定性？让我们来探讨一下可能的原因。预测模型为何无法保持稳定？让我们通过以下几幅图来理解这个问题：此处我们试图找到
转载
2024-06-21 16:14:30
13阅读
原标题：Python 数据模型一、如何理解数据模型？最近我在阅读一本专门讲述 Python 语言特性的书(本文部分内容来自 Fluent Python这本书)，书中提到了 数据模型这个词，数据模型是不是我们经常说的数据类型？其实不是，数据模型是对 Python 框架的描述，他规范了自身构建模块的接口，这些接口我们可以理解为是 Python 中的特殊方法，例如 __iter__ 、 __len__
转载
2024-07-29 14:51:36
13阅读
线性回归预测模型一元线性回归一元线性回归图一元线性回归参数多元线性回归分类变量的处理回归模型的假设性检验模型的显著性检验——F检验回归系数的显著性检验——t检验回归模型的诊断正态性检验直方图法PP图与QQ图Shapiro检验和K-S检验多重共线性检验线性相关检验独立性检验方差齐性BP检验 本文介绍的是线性回归方程的预测模型的学习笔记，将重点记录python的实现过程，对于线性模型的数学推导将不
转载
2023-09-25 10:19:56
248阅读
给大家分享一篇时间序列ARMA应用的干货文章。ARMA可谓是时间序列最为经典常用的预测方法，广泛应有于涉及时间序列的各个领域。ARMA模型自出道以来，出场次数不可胜数。想必大家也都不陌生，常学常新，我们今天不妨再来回顾一遍～。ARMA全称Autoregressive moving average model（自回归滑动平均模型），由美国统计学家博克斯（G.E.P.Box）和英国统计学家詹金斯（G.
转载
2024-01-19 16:01:50
200阅读
## Python预测模型简介及实例
### 引言
预测模型是机器学习领域的重要应用之一，它能够通过对历史数据进行学习，并根据学习到的规律来预测未来的结果。Python作为一门功能强大的编程语言，提供了丰富的机器学习框架和库，使得开发预测模型的过程变得更加简单和高效。本文将介绍Python中的预测模型，并提供一个具体的代码实例。
### Python预测模型简介
Python中的预测模型可以分
原创
2023-09-14 03:39:34
167阅读
本次案例的数据来源为天善智能的课程《数据科学实战-python篇》，把课程认认真真的学习了一遍，看完老师讲的，自己再结合自己的思路，做出来的程序。一、数据分析目标通过脱敏过的数据，从贷款表loans、权限分配表disp、客户信息表clients、交易表trans中对数据进行描述性统计，得出对建模有用的数据，建立预测模型，预测正处于贷款期间的人的违约的概率。二、业务理解预测，就是在事情发生之前所做的
转载
2023-10-21 00:22:51
83阅读
链路预测是一种机器学习任务，它的目的是根据已知的过去的数据预测未来的结果。在 Python 中，你可以使用 scikit-learn 库来进行链路预测。首先，你需要准备好用于训练和测试的数据。这些数据通常包含过去的观测值和对应的预测值。然后，你可以使用 scikit-learn 中的回归模型，如线性回归或决策树回归来训练模型。使用 fit() 方法可以将训练数据拟合到模型中。最后，你可以使用测试数
转载
2023-05-26 10:15:09
289阅读
MPC模型预测控制原理和代码一. 介绍模型预测控制(MPC)原理简要解释一下最优控制最优控制的目标是在一定的约束条件下达到最优的系统表现，那么要让系统达到最优表现，一般是通过定义损失函数J，通过最小化损失函数J来达到最优控制，对于单入单出(SISO)系统来说，损失函数J上面已经定义了，多入多出(MIMO)系统的损失函数和SISO系统的区别就是单入单出系统的损失函数里面的q和r是实数，MIMO系统的
转载
2023-10-14 18:36:10
33阅读
