(Python)时序预测的七种方法
介绍 大多数人都听说过关于Cryptocurrency，许多人也许会投资他们的加密货币。但是，投资这种不稳定的货币安全吗？怎样才能确保现投资这些硬币未来一定能带来稳定的收益呢？我们不能确定，但肯定能根据以前的价格产生一个近似值。时序模型是预测的一种方法。 除了加密货币，还有许多重要的应用时序预测的领域，例如：销售预测，呼叫中心的通话量，太阳的活动，海潮，股市行为等等。 目录 理解问题描述和数据集 安装库 方法 1 –以简单的方式开始 方法2 – 简单平均数 方法3 – 移动平均数 方法 4 –指数平滑法 方法5 – Holt线性趋势法 方法6 – Holt冬季季节法 方法7 –综合自回归移动平均法（ARIMA） 理解问题描述和数据集 提供了涉及预测JetRail通勤人数的时序问题，一个新的高速铁路服务。我们提供了2年的数据，并利用这些数据预测未来7个月的通勤人数。 在本文中，只使用训练数据集。 从以上的报表上看到，我们有2年的按小时计的通勤数据（2012-2014），需要预估未来的通勤数量。 在本文中，我构造子集和汇总数据集以便讲解不同的方法。 构造数据集的子集 (2012/08 – ...
