Time Series 简介

1.按时间收集的一系列数据点称为时间序列大多数商业公司都使用时间序列来分析预测未来的内容

2.时间序列的组成部分:

趋势:指某事发展或变化的总体方向

季节性:模式以固定的时间间隔重复,季节性,时间序列中任何在特定时间段内重复 或 重复的可预测变化或模式都可称为季节性

时间序列和回归序列的差异:

Q:目标变量是数值变量,因此可以使用回归技术预测
A1:主要区别在于时间序列与时间相关,因此线性回归模型的基本假设,即观察结果是独立的,所以在这种情况下并不成立
A2:除了增加或减少的趋势外,大多数时间序列都有某种形式的季节趋势,即特定于特定时间框架的变化
因此,使用时间回归技术预测时间序列不是一种好方法

时间序列分析包括:分析时间序列数据的方法,以便提取有意义的统计数据和数据的其他特征.
时间序列预测是指使用模型,根据先前观察到的值预测未来值

3.了解问题陈述和数据集

问题陈述:

Unicorn Investors希望投资一种新的交通方法-JetRail 使用喷气推进技术,运行轨道并告诉运送人员,只有当他们能够在未来 18 个月内获得超过 100 万的月用户时，这项投资才有意义。为了帮助 Unicorn Ventures 做出决定，您需要预测未来 7 个月 JetRail 上的交通情况。在测试文件中为您提供了 JetRail 自成立以来的交通数据
https://datahack.analyticsvidhya.com/contest/practice-problem-time-series-2/