首页
学习
活动
专区
工具
TVP
发布

程序员一一涤生

同步自“程序员一一涤生”公众号。
专栏作者
118
文章
199956
阅读量
43
订阅数
用python做时间序列预测九:ARIMA模型简介
c是常数项,εt是随机误差项。 对于一个AR(1)模型而言: 当 ϕ1=0 时,yt 相当于白噪声; 当 ϕ1=1 并且 c=0 时,yt 相当于随机游走模型; 当 ϕ1=1 并且 c≠0 时,yt 相当于带漂移的随机游走模型; 当 ϕ1<0 时,yt 倾向于在正负值之间上下浮动。
程序员一一涤生
2020-06-17
28.9K1
用python做时间序列预测八:Granger causality test(格兰杰因果检验)
python的statsmodel包的grangercausalitytests函数中提供了很好的实现。
程序员一一涤生
2020-06-11
6K0
用python做时间序列预测七:时间序列复杂度量化
Sample Entropy是Approximate Entropy(近似熵)的改进,用于评价波形前后部分之间的混乱程度, 熵越大,乱七八糟的波动越多,越不适合预测;熵越小,乱七八糟的波动越小,预测能力越强。
程序员一一涤生
2020-06-11
1.9K0
用python做时间序列预测五:时间序列缺失值处理
有的时候,一些时刻或连续时间段内的值无法采集到,或者本身就没有值,本文将介绍如何处理这种情况。 一般而言,有以下几种方法: 对所有的缺失值用零填充。 前向填充:比如用周一的值填充缺失的周二的值 后向填
程序员一一涤生
2020-06-10
4K0
用python做时间序列预测六:相关函数图、偏相关函数图、滞后图
对于白噪声序列,按理说不会有任何自相关性,我们期望的自相关性为0,但是由于随机扰动的存在,自相关性不会为0,而通常假设随机扰动符合标准正态分布(均值为0,标准差为1),那么这个随机扰动的95%置信区间(一般都取95%,当然也可以调整这个概率)可以通过如下算式计算
程序员一一涤生
2020-06-10
4.2K1
用python做时间序列预测二:时间序列的一般数据格式和可视化
本篇介绍了时间序列的一般数据格式和基于python的可视化方法,下一篇将介绍时间序列的分解方法,目的是通过分解出的时间序列的各个成分来进一步的了解时间序列。
程序员一一涤生
2020-06-03
2.6K2
用python做时间序列预测三:时间序列分解
时间序列的各个观测值可以是以上成分相加或相乘得到: Value = Trend + Seasonality + Error Value = Trend * Seasonality * Error
程序员一一涤生
2020-06-03
2.5K0
用python做时间序列预测四:平稳/非平稳时间序列
1、序列的均值(mean)不应该是时间的函数(意思是不应该随时间变化),而应该是一个常数。下面的左图满足这个条件,而右图的均值受时间的变化影响。
程序员一一涤生
2020-06-03
5.1K0
用深度学习做命名实体识别(五)-模型使用
注意,在cpu上使用模型的时间大概在2到3秒,而如果项目部署在搭载了支持深度学习的GPU的电脑上,接口的返回会快很多很多,当然不要忘记将tensorflow改为安装tensorflow-gpu。
程序员一一涤生
2019-09-29
1.2K0
用深度学习做命名实体识别(五)-模型使用
注意,在cpu上使用模型的时间大概在2到3秒,而如果项目部署在搭载了支持深度学习的GPU的电脑上,接口的返回会快很多很多,当然不要忘记将tensorflow改为安装tensorflow-gpu。
程序员一一涤生
2019-09-23
8030
手把手教你用深度学习做物体检测(四):模型使用
上一篇《手把手教你用深度学习做物体检测(三):模型训练》中介绍了如何使用yolov3训练我们自己的物体检测模型,本篇文章将重点介绍如何使用我们训练好的模型来检测图片或视频中的物体。
程序员一一涤生
2019-09-05
1.3K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
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