Introducció a l'anàlisi i la previsió de sèries temporals

Bloc

Introducció a l'anàlisi i la previsió de sèries temporals

Anàlisi de sèries temporals comprèn mètodes per analitzar sèries temporals dades per extreure estadístiques significatives i altres característiques de les dades. Sèries temporals la predicció és l’ús d’un model per predir valors futurs.



menús desplegables css purs

En aquest article debatrem sobre els resultats i la teoria que hi ha darrere d’ells basant-nos en el conjunt de dades ‘Predir vendes futures’.

Nota: per conèixer tots els detalls i la teoria detallada que hi ha darrere, consulteu aquest tutorial.

Introducció a l'anàlisi i la previsió de sèries temporals - I

L'anàlisi de sèries temporals inclou mètodes per analitzar dades de sèries temporals per extreure estadístiques significatives i ...



mathematicacity.co.in

Descripció del conjunt de dades:

tenim:



el correu de veu d'iphone at & t no funciona
  1. data: cada data dels articles venuts
  2. date_block_num: aquest número es dóna cada mes
  3. shop_id: número únic de totes les botigues
  4. item_id: nombre únic de cada element
  5. item_price: preu de cada article
  6. item_cnt_day: nombre d'articles venuts en un dia concret

Paquets que necessitem:

import warnings import itertools import numpy as np import matplotlib.pyplot as plt warnings.filterwarnings('ignore') plt.style.use('fivethirtyeight') import pandas as pd import statsmodels.api as sm from statsmodels.tsa.arima_model import ARIMA from pandas.plotting import autocorrelation_plot from statsmodels.tsa.stattools import adfuller, acf, pacf,arma_order_select_ic import matplotlibmatplotlib.rcParams['axes.labelsize'] = 14 matplotlib.rcParams['xtick.labelsize'] = 12 matplotlib.rcParams['ytick.labelsize'] = 12 matplotlib.rcParams['text.color'] = 'k'

llegiu les dades:

df=pd.read_csv('sales_train.csv') df.head()

Tipus de dades:

date object date_block_num int64 shop_id int64 item_id int64 item_price float64 item_cnt_day float64 dtype: object

Ara hem de convertir l'objecte de data en cadena (AAAA-MM-DD)

import datetime df['date']=pd.to_datetime(df.date)

Visualització de les dades de sèries temporals:

ts=df.groupby(['date_block_num'])['item_cnt_day'].sum() ts.astype('float') plt.figure(figsize=(16,8)) plt.title('Total Sales of the company') plt.xlabel('Time') plt.ylabel('Sales') plt.plot(ts)

# cursos-de-ciències-de-dades # predicció-temporals # intel·ligència-artificial # aprenentatge-profund # aprenentatge-automàtic # anàlisi de dades

compartició d'ubicació de Google Maps no s'actualitza l'iPhone

medium.com

Introducció a l'anàlisi i la previsió de sèries temporals

L’anàlisi de sèries temporals comprèn mètodes per analitzar dades de sèries temporals per extreure estadístiques significatives i altres característiques de les dades.