Python相关性分析_Python相关性分析

本文翻译自https://www.analyticsvidhya.com/blog/2018/02/time-series-forecasting-methods/，数据集来源于https://datahack.analyticsvidhya.com/contest/practice-problem-time-series-2/。

目录表：

理解数据集和问题陈述

安装包(statsmodels)

方法1-从朴素法开始(Naive Approach)

方法2-简单平均(Simple average)

方法3-移动平均(Moving average)

方法4-一次指数平滑(Single exponential smoothing)

方法5-霍尔特线性趋势预测(Holt’s linear trend method)

方法6-三次指数平滑法(Holt ‘s Winter seasonal method)

方法7-自回归积分滑动平均模型(ARIMA)

这篇文章先翻译到方法3-移动平均章节；

理解数据集和问题陈述

上述的数据集是关于预测JetRail通勤者数量的时间序列问题，JetRail是独角兽投资的新高速铁路服务；该数据集包含了从2012.8–2014.9的两年的数据，利用这些数据我们需要预测接下来7个月的通勤者数量；

从上述数据集下载链接下载数据后，包含train和test两个数据集，这边章 只用到了train 数据集；

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

#导入数据

df = pd.read_csv(‘Train.csv’)

#打印头部

df.head()

#打印尾部

df.tail()

从上述的打印语句可以看出，2012-2014这两年的数据数据是按照小时的通勤数量给出的，我们需要预估将来通勤的数量；

在这篇文章中，为了解释不同的方法，数据以天为基准进行细分和聚合；

构建数据子集，时间从2012.8-2013.12

产生训练集和测试集去训练模型。从2012.8-2013.10这14个月的数据用做训练集，2013.11-2013.12这两个月的数据用做测试集；

以天为单位聚合数据

#构建数据子集

#索引11856标志着2013年结束

df = pd.read_csv(‘Train.csv’, nrows=11856)

# 创建测试集和训练集

#索引10392标志着2013.10的