独家 | ARIMA/Sarima与LSTM的时间序列数据集成学习(附链接)

初商 2019-08-25

数据派

作者:夏米莎·查特吉 Sharmistha Chatterjee

文章来源:微信公众号 数据派THU

翻译:陈之炎

校对:吴金笛

本文约5500字,建议阅读10+分钟。


本文探讨了简单的ARIMA/Sarima与LSTM的时间序列数据集成学习方面的问题。

Sharmistha Chatterjee

https://towardsdatascience.com/@sharmi.chatterjee

动机

传统时间序列预测中最常使用到的时间序列模型有以下五种,包括:

  • 自回归(AR)模型;
  • 移动平均(MA)模型;
  • 自回归移动平均(ARMA)模型;
  • 自回归整合移动平均模型(ARIMA);
  • 季节性整合自回归移动平均模型(SARIMA)模型。

自回归AR模型以时间序列的前一个值和当前残差来线性地表示时间序列的当前值,而移动平均MA模型则用时间序列的当前值和先前的残差序列

登录 后评论
下一篇
corcosa
14720人浏览
2019-10-08
相关推荐
独家 | 一文读懂深度学习
1978人浏览
2017-08-01 10:48:00
0
0
0
736