前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R中时间序列分析-趋势分析Trend

R中时间序列分析-趋势分析Trend

作者头像
Erin
发布2018-01-09 10:58:36
2.8K0
发布2018-01-09 10:58:36
举报
文章被收录于专栏:大数据风控

趋势分析(Trend)

常用趋势的数学函数 线性函数 y=ax+b 指数函数 y=a^x 二次函数 y=ax^2+bx+c

曲线拟合方法 nls可以拟合任意表达式的曲线

nls(formula,start,data)

  • formula 曲线表达式
  • start 参数的初始点,可以随便设置一个 设置这个参数的目的:(减少递归的次数,加快运算的速度)
  • data 需要拟合的数据
代码语言:javascript
复制
data <- read.csv("data.csv", fileEncoding="UTF8")
#data <- read.csv("data.csv", fileEncoding="UTF8", stringsAsFactors=FALSE)

datas <- split(data, data$广告商)

par(mfrow=c(1, 1))

plot(
  data$销售量
)

datas[[1]]$month <- 1:12

data.model <- nls(
  销售量 ~ A*month + B, 
  start=list(A=1, B=1), 
  data=datas[[1]], 
  trace=T
)

lines(
  datas[[1]]$month, 
  17.36*datas[[1]]$month + 174.14
)

data.model <- nls(
  销售量 ~ A^month, 
  start=list(A=1), 
  data=datas[[1]], 
  trace=T
)

lines(
  datas[[1]]$month, 
  1.685^datas[[1]]$month
)


data.model <- nls(
  销售量 ~ A*month^2 + B*month + C, 
  start=list(A=1, B=1, C=1), 
  data=datas[[1]], 
  trace=T
)

lines(
  datas[[1]]$month, 
  -0.1469*datas[[1]]$month^2 + 19.2727*datas[[1]]$month + 169.6818 
)
这里写图片描述
这里写图片描述
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年07月25日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 趋势分析(Trend)
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档