时间序列

<< Click to Display Table of Contents >>

当前位置:  深度分析 > 实验功能使用 > 节点 > 算法 

时间序列

复制链接

时间序列的目的是根据历史和当前数据推测未来数据,评价方法是均方根误差、拟合优度。

时间序列是将预测目标的历史数据按时间的先后顺序排列,然后分析它随时间的变化趋势,外推预测目标的未来值,对时间序列的分析我们也称之为趋势预测探索、更复杂的非平稳时间序列模型等。常用的时间序列类型包括指数平滑模型和自回归综合移动平均过程。

应用场景:

销售预测

电力需求预测

汽车销售预测分析

运营收支预测

产品支持的时间序列是Holt-Winters。