算法列表——时序预测算法清单

作者: 泡菜鸡丁 | 来源:发表于2019-12-13 11:10 被阅读0次

ARIMA算法:能精细刻画平稳序列的波动，对于短周期的预测较准确。适合全网天粒度流量数据。

SES算法:简单、快速得给出时间序列的预测。适合小区级别的天粒度短期流量预测。

Holt-Winters:能刻画出时间序列的趋势和季节效应，且能快速响应流量的快速增加。适合小区级别的天粒度、小时粒度的短期流量数据。

GBDT Regression:通过构造特征能刻画序列的周期、趋势效应，并利用Boosting方式得到回归结果，经证明某些情况下预测效果优于传统时序预测方法。适合小区级别的天粒度、小时粒度的短期流量数据。

Random forest Regression:通过构造特征能刻画序列的周期、趋势效应，并用Bagging方式得到回归结果。适合小区级别的天粒度、小时粒度的短期流量数据。

AR(P):自回归模型，属于ARIMA简化版，对稳定序列预测产生不错的效果。适合小区级别的天粒度短期流量预测。

LSTM(Seq2Seq):深度学习算法预测，解决多特征输入问题。适合普适场景，可以考虑除单时间序列外其他影响因素(如用户、天气等)。

网友评论

本文标题：算法列表——时序预测算法清单

本文链接：https://www.haomeiwen.com/subject/hkhfnctx.html

算法列表——时序预测算法清单