阅读背景:

从入门谈起,ARIMA如何应用到时间序列分析中?

来源:互联网 
Table of Contents
1. 基础概念 1.1. 时间序列的平稳性(弱平稳) 1.1.1. 定义 1.1.2. 平稳性检验 1.1.3. 如何让时间序列变平稳 1.2. 随机游走 1.2.1. 定义 1.2.2. 不平稳性的证明 1.3. ACF 1.4. PACF 2. ARIMA 模型 2.1. 介绍 2.1.1. AR模型 2.1.2. MA模型 2.1.3. 差分项 2.2. ARIMA模型调参指南 2.2.1. d: 差分阶数选取 2.2.2. p: AR模型参数的选取 2.2.3. q: MA模型参数的选取 2.3. ARIMA模型的使用 2.3.1. Python 1. 基础概念 1.1. 时间序列的平稳性(弱平稳) 1.1



你的当前访问异常,请进行认证后继续阅读剩余内容。

分享到: