本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
自回归积分滑动平均模型 (ARIMA) 算法
自回归积分滑动平均模型 (ARIMAPackage 'forecast'
的综合 R 档案网络 (CRAN)。
ARIMA 的工作原理
ARIMA 算法对于可以映射到平稳时间序列的数据集特别有用。平稳时间序列的统计特性(例如自相关)与时间无关。具有平稳时间序列的数据集通常包含信号和噪声的组合。信号可能呈现正弦振荡模式或具有季节性成分。ARIMA 就像一个过滤器,将信号从噪声中分离出来,然后对未来的信号进行推断以做出预测。
ARIMA 超参数和优化
有关 ARIMA 超参数和调整的信息,请参阅Arima
中的函数文档包装 “预测”
Amazon Forecast 将DataFrequency
中指定的参数CreateDataset到frequency
R 的参数ts
DataFrequency(字符串型) | R ts 频率(整型) |
---|---|
是 | 1 |
M | 12 |
W | 52 |
D | 7 |
H | 24 |
30 分钟 | 2 |
15 分钟 | 4 |
10 分钟 | 6 |
5 分钟 | 12 |
1 分钟 | 60 |
对于小于 24 或短时间序列的频率,超参数使用auto.arima
的函数Package 'forecast'
的CRAN
表中不支持的数据频率默认为 ts
频率 1。