machine-learning - 识别时间序列预测算法

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 3 年前。

Improve this question

我正在尝试基于这些视频 (CLICK!) 在 C# 中构建一个算法，我的问题与这些任务的编码部分无关。

我正在尝试更深入地了解这个算法，因为它非常适合我的作业。但是，YouTuber 并没有通过名称来识别它。我想知道您可以向我提供的任何信息 - 名称、资源等。

编辑:这是时间序列分解模型。具体来说，就是经典的乘法分解。

步骤:

1. 计算等于季节长度的移动平均值确定趋势周期。
2. 如果季节长度为偶数，则将移动平均线居中数量。
3. 计算实际值与居中移动值的比例平均得到各时期的季节指数。
4. 调整季节性索引的总数，使其等于时期。
5. 通过将时间序列除以季节来对时间序列进行去季节化索引。
6. 使用 deseasonalized 估计趋势循环回归数据。
7. 将拟合趋势值乘以相应的季节计算拟合值的因素
8. 使用以下方法计算误差并测量拟合的准确性已知的实际系列。
9. 如果周期性因素很重要，请计算周期性指数。
10. 检查异常值，调整实际序列并重复步骤如有必要，从 1 到 9

Answer 1

这是一种众所周知的、有据可查的、可识别的算法。

该视频的评论之一是“您所做的是移动平均线，如果在 Excel 中可以的话，您能否向我们展示如何进行自回归 (AR) 和自回归移动平均线 (ARMA)？”

您可以从这本书中了解 MA、AR 和 AR(I)MA - https://otexts.com/fpp2/