结论
可以看得出arima就是一条直线，LGB要比XGB的R方值略好，预测时间序列还是需要用常规强学习器
原数据分布
使用了墨尔本十年最低气温数据集
ARIMA模型
通过ACF和PACF得到相应的PQ值
直接算出来3，1，原数据有规律无需差分
LGB、XGB
随便创造些日期特征，年月日等拆分开做独热编码
TIM截图20200703204311.png
TIM截图20200703204311.png
结论 可以看得出arima就是一条直线，LGB要比XGB的R方值略好，预测时间序列还是需要用常规强学习器 原数据分...
时间序列预测话题是比较早期接触的算法应用。 01 背景前言 时间序列分析之holtwinters和ARIMA中提到...
如何评价facebook开源的prophet时间序列预测工具? 时间序列分析 时间序列预测之--ARIMA模型 通...
1.简述 时间序列数据是一种典型的数据，时间序列预测方法比较多。比如ARIMA模型、Prophet模型、指数平均法...
针对时间序列的预测，常用方法包括灰色预测，指数平滑或ARIMA模型。灰色预测和指数平滑常用于数据序列较少时使用，且...
Autoregressive Integrated Moving Average Model（自回归移动平均模型）...
时间序列分析中，自相关系数ACF和偏相关系数PACF是两个比较重要的统计指标，在使用arima模型做序列预测时，我...
使用pandas上传下载时间序列 pandas中有专门处理时间序列对象的库 上传数据集和查看一些最初的行以及列的数...
什么是 ARIMA模型 ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA, Autoregressi...
完整原文链接：http://tecdat.cn/?p=5421 本文是我们通过时间序列和ARIMA模型预测拖拉机销...
本文标题：时间序列：比较ARIMA和XGBLGB的预测效果
本文链接：https://www.haomeiwen.com/subject/gnmsqktx.html
网友评论