时间序列ARIMA模型详解:python实现店铺一周销售量预测

顾名思义,时间序列是时间间隔不变的情况下收集的时间点集合。这些集合被分析用来了解长期发展趋势,为了预测未来或者表现分析的其他形式。但是是什么令时间序列与常见的回归问题的不同?

有两个原因:

1、时间序列是跟时间有关的。所以基于线性回归模型的假设:观察结果是独立的在这种情况下是不成立的。

2、随着上升或者下降的趋势,更多的时间序列出现季节性趋势的形式,如:特定时间框架的具体变化。即:如果你看到羊毛夹克的销售上升,你就一定会在冬季做更多销售。

常用的时间序列模型有AR模型、MA模型、ARMA模型和ARIMA模型等。

一、时间序列的预处理

拿到一个观察值序列之后,首先要对它的平稳性和纯随机性进行检验,这两个重要的检验称为序列的预处理。根据检验的结果可以将序列分为不同的类型,对不同类型的序列我们会采用不同的分析方法。

先说下什么是平稳,平稳就是围绕着一个常数上下波动且波动范围有限,即有常数均值和常数方差。如果有明显的趋势或周期性,那它通常不是平稳序列。序列平稳不平稳,一般采用三种方法检验:

(1)时序图检验

看看上面这个图,很明显的增长趋势,不平稳。

(2)自相关系数和偏相关系数

还以上面的序列为例:用SPSS得到自相关和偏相关图。

分析:左边第一个为自相关图(Autocorrelation),第二个偏相关图(Partial Correlation)。

平稳的序列的自相关图和偏相关图要么拖尾,要么是截尾。截尾就是在某阶之后,系数都为 0 ,怎么理解呢,看上面偏相关的图,当阶数为 1 的时候,系数值还是很大, 0.914. 二阶长的时候突然就变成了 0.050. 后面的值都很小,认为是趋于 0 ,这种状况就是截尾。什么是拖尾,拖尾就是有一个缓慢衰减的趋势,但是不都为 0 。

自相关图既不是拖尾也不是截尾。以上的图的自相关是一个三角对称的形式,这种趋势是单调趋势的典型图形,说明这个序列不是平稳序列。

(3)单位根检验

单位根检验是指检验序列中是否存在单位根,如果存在单位根就是非平稳时间序列。

不平稳,怎么办?

答案是差分,转换为平稳序列。什么是差分?一阶差分指原序列值相距一期的两个序列值之间的减法运算;k阶差分就是相距k期的两个序列值之间相减。如果一个时间序列经过差分运算后具有平稳性,则该序列为差分平稳序列,可以使用ARIMA模型进行分析。

还是上面那个序列,两种方法都证明他是不靠谱的,不平稳的。确定不平稳后,依次进行1阶、2阶、3阶...差分,直到平稳为止。先来个一阶差分,上图:

从图上看,一阶差分的效果不错,看着是平稳的。

平稳性检验过后,下一步是纯随机性检验。

对于纯随机序列,又称白噪声序列,序列的各项数值之间没有任何相关关系,序列在进行完全无序的随机波动,可以终止对该序列的分析。白噪声序列是没有信息可提取的平稳序列。

对于平稳非白噪声序列,它的均值和方差是常数。通常是建立一个线性模型来拟合该序列的发展,借此提取该序列的有用信息。ARMA模型是最常用的平稳序列拟合模型。

二、平稳时间序列建模

某个时间序列经过预处理,被判定为平稳非白噪声序列,就可以进行时间序列建模。

建模步骤:

(1)计算出该序列的自相关系数(ACF)和偏相关系数(PACF);

(2)模型识别,也称模型定阶。根据系数情况从AR(p)模型、MA(q)模型、ARMA(p,q)模型、ARIMA(p,d,q)模型中选择合适模型,其中p为自回归项,d为差分阶数,q为移动平均项数。

下面是平稳序列的模型选择:

自相关系数(ACF)

偏相关系数(PACF)

选择模型

拖尾

p阶截尾

AR(p)

q阶截尾

拖尾

MA(q)

p阶拖尾

q阶拖尾

ARMA(p,q)

ARIMA 是 ARMA 算法的扩展版,用法类似 。

(3)估计模型中的未知参数的值并对参数进行检验;

(4)模型检验;

(5)模型优化;

(6)模型应用:进行短期预测。

三、python实例操作

以下为某店铺2015/1/1~2015/2/6的销售数据,以此建模预测2015/2/7~2015/2/11的销售数据。

#-*- coding: utf-8 -*- #arima时序模型 import pandas as pd #参数初始化 discfile = 'E:/destop/text/arima_data.xls' forecastnum = 5 #读取数据,指定日期列为指标,Pandas自动将“日期”列识别为Datetime格式 data = pd.read_excel(discfile, index_col = u'日期') #时序图 import matplotlib.pyplot as plt

#用来正常显示中文标签

plt.rcParams['font.sans-serif'] = ['SimHei']

#用来正常显示负号

plt.rcParams['axes.unicode_minus'] = False data.plot() plt.show()

#自相关图 from statsmodels.graphics.tsaplots import plot_acf plot_acf(data).show()

#平稳性检测 from statsmodels.tsa.stattools import adfuller as ADF print(u'原始序列的ADF检验结果为:', ADF(data[u'销量']))

#返回值依次为adf、pvalue、usedlag、nobs、critical values、icbest、regresults、resstore

原始序列的单位根(adf)检验

adf

cValue

p值

1%

5%

10%

1.81

-3.7112

-2.9812

-2.6301

0.9984

Pdf值大于三个水平值,p值显著大于0.05,该序列为非平稳序列。

#差分后的结果 D_data = data.diff().dropna() D_data.columns = [u'销量差分']

#时序图

D_data.plot() plt.show()

#自相关图

plot_acf(D_data).show()

plt.show()

from statsmodels.graphics.tsaplots import plot_pacf

#偏自相关图

plot_pacf(D_data).show()

#平稳性检测

print(u'差分序列的ADF检验结果为:', ADF(D_data[u'销量差分']))

一阶差分后序列的单位根(adf)检验

adf

cValue

p值

1%

5%

10%

-3.15

-3.6327

-2.9485

-2.6130

0.0227

Pdf值小于两个水平值,p值显著小于0.05,一阶差分后序列为平稳序列。

#白噪声检验 from statsmodels.stats.diagnostic import acorr_ljungbox

#返回统计量和p值

print(u'差分序列的白噪声检验结果为:', acorr_ljungbox(D_data, lags=1))

一阶差分后序列的白噪声检验

stat

P值

11.304

0.007734

P值小于0.05,所以一阶差分后的序列为平稳非白噪声序列。

from statsmodels.tsa.arima_model import ARIMA #定阶

#一般阶数不超过length/10

pmax = int(len(D_data)/10)

#一般阶数不超过length/10

qmax = int(len(D_data)/10)

#bic矩阵

bic_matrix = [] for p in range(pmax+1): tmp = [] for q in range(qmax+1):

#存在部分报错,所以用try来跳过报错。

try: tmp.append(ARIMA(data, (p,1,q)).fit().bic) except: tmp.append(None) bic_matrix.append(tmp) #从中可以找出最小值

bic_matrix = pd.DataFrame(bic_matrix) #先用stack展平,然后用idxmin找出最小值位置。

p,q = bic_matrix.stack().idxmin()

print(u'BIC最小的p值和q值为:%s、%s' %(p,q))

取BIC信息量达到最小的模型阶数,结果p为0,q为1,定阶完成。

#建立ARIMA(0, 1, 1)模型

model = ARIMA(data, (p,1,q)).fit()

#给出一份模型报告

model.summary2()

#作为期5天的预测,返回预测结果、标准误差、置信区间。

model.forecast(5)

最终模型预测值如下:

2015/2/7

2015/2/8

2015/2/9

2015/2/10

2015/2/11

4874.0

4923.9

4973.9

5023.8

5073.8

利用模型向前预测的时间越长,预测的误差将会越大,这是时间预测的典型特点。

参数检验如下:

Coef.

Std.Err.

t

P值

const

49.956

20.139

2.4806

0.0182

ma.L1.D.销量

0.671

0.1648

4.0712

0.0003

从检验结果p值来看,建立的模型效果良好。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2016-08-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

深度 | 从任务到可视化,如何理解LSTM网络中的神经元

选自GitHub 作者:Tigran Galstyan等 机器之心编译 参与:Nurhachu Null、蒋思源 对人类而言,转写是一件相对容易并且可解释的任...

2974
来自专栏机器学习原理

我的机器学习微积分篇观点函数从极限到导数导数的应用偏导数从方向导数到梯度

前言: 没想到还能在此生再次用到大学习学习的高数,线性代数和概率论,如果上天给我再来一次的机会,我一定往死了学习这三门课。 观点 与机器学习相关的微积分...

3725
来自专栏智能算法

opencv双目测距实现

来自: http://blog.csdn.net/sunanger_wang/article/details/7744015 虽然最近注意力已经不可遏制地被神经...

4644
来自专栏IT派

一份数学小白也能读懂的「马尔可夫链蒙特卡洛方法」入门指南

IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 大多数时候,贝叶斯统计在结果在最好的情况下是魔法,在最糟糕时是一种完全主观的废话。在用到贝...

3565
来自专栏深度学习之tensorflow实战篇

R语言与机器学习学习笔记(分类算法

logistic回归及其MLE 当我们考虑解释变量为分类变量如考虑一个企业是否会被并购,一个企业是否会上市,你的能否考上研究生 这些问题时,考虑线性概率模型P...

3438
来自专栏AI科技评论

ACL论文 | 深度学习大神新作,神经网络的自然语言翻译应用

在 8月7日在德国柏林召开的2016 计算语言学(ACL)大会上,学者Thang Luong、Kyunghyun Cho 和 Christopher D. Ma...

3315
来自专栏AI科技大本营的专栏

不用数学也能讲清贝叶斯理论的马尔可夫链蒙特卡洛方法?这篇文章做到了

作者 | Ben Shaver 翻译 | 刘畅 编辑 | Donna 大多数时候,贝叶斯统计在结果在最好的情况下是魔法,在最糟糕时是一种完全主观的废话。在用到贝...

2847
来自专栏Coding迪斯尼

深度学习:透过神经网络的内在灵活与柏拉图的哲学理念

1183
来自专栏华章科技

不用数学也能讲清贝叶斯理论的马尔可夫链蒙特卡洛方法?这篇文章做到了

感兴趣的参数只是用来抽象我们感兴趣的现象的一些数字。通常我们会使用统计的方法来估计这些参数。例如,如果我们想了解成年人的身高,那么我们需要的参数可能就是以英寸为...

592
来自专栏计算机视觉与深度学习基础

SVM原理详解

SVM入门(一)至(三)Refresh 按:之前的文章重新汇编一下,修改了一些错误和不当的说法,一起复习,然后继续SVM之旅. (一)SVM的简介 支持...

2136

扫描关注云+社区