西安知名网站建设,青浦网站建设公司,网站开发与维护 专业,网站建设哪个好说明#xff1a;这是一个机器学习实战项目#xff08;附带数据代码文档视频讲解#xff09;#xff0c;如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景
时间序列分析中#xff0c;AR定阶自回归模型#xff08;AR order selection#xff09;是指确定自回…说明这是一个机器学习实战项目附带数据代码文档视频讲解如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景
时间序列分析中AR定阶自回归模型AR order selection是指确定自回归模型AutoRegressive Model, AR模型的阶数p的过程。在AR(p)模型中当前的时间序列值被表示为过去p个时期的线性组合加上一个误差项。
ar_select_order算法是一种用于自动选择最佳AR模型阶数的方法它通过评估不同阶数下模型的拟合优度、信息准则如AIC、BIC或HQIC、预测性能或其他统计测试来确定最合适的p值。
本项目通过ar_select_order算法来构建时间序列分析AR定阶自回归模型。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成)数据项统计如下 编号 变量名称 描述 1 DATE 日期 2 INDPRO 工业生产指数
数据详情如下(部分展示) 3.数据预处理
3.1 用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据 关键代码 3.2 数据缺失查看
使用Pandas工具的info()方法查看数据信息 从上图可以看到总共有1个变量数据中无缺失值共780条数据。
关键代码 3.3 数据描述性统计
通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。 关键代码如下 4.探索性数据分析
4.1 变量直方图
用Matplotlib工具的hist()方法绘制直方图 从上图可以看到变量主要集中在20~100之间。
4.2 折线图 从上图中可以看到房价指数是不断波动的。
5.构建AR定阶自回归模型
主要使用ar_select_order算法用于自回归建模。
5.1 构建模型 编号 模型名称 参数 1 AR定阶自回归模型 P13 5.2 模型摘要信息 5.3 观测值预测绘图
预测值预测绘图 6.模型评估
6.1 模型残差诊断图 6.2 模型预测
预测结果及展示 7.结论与展望
综上所述本文采用了ar_select_order算法来构建AR定阶自回归模型最终证明了我们提出的模型效果良好。此模型可用于日常产品的预测。
# 本次机器学习项目实战所需的资料项目资源如下# 项目说明# 获取方式一# 项目实战合集导航https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tabBB08J2# 获取方式二链接https://pan.baidu.com/s/12nTSfPE49ADQoTMg3D-7Gw
提取码4ggi
