【原创】基于SVM作短期时间序列的预测

【面试思路拓展】

对时间序列进行预测的方法有很多,

但如果只有几周的数据,而没有很多线性的趋势、各种实际的背景该如何去预测时间序列?

或许可以尝试下利用SVM去预测时间序列,那么如何提取预测的特征呢?

传统的做法是提取1、2、3、4、5、7、9、13个单位时间的数据作为特征进行预测;

举个例子进行分析,比如每天都有口香糖的销量,那么如何通过几周的数据预测明天的数据,

就可以选择前1、2、3、4、5、7、14天的数据作为特征,从而预测明天的数据,

通过构建特征,再选择核函数进行预测,其中调参的参数尽量要进行最优化,

参考方法:如果选择RBF核函数,那么其中就会有三个参数,固定两个,然后不停的优化另外一个,直到得到最优解。

 

具体应用的例子:

(1)SVM预测风场:http://wenku.baidu.com/link?url=SCCIJJe8tXLbTjLMZ81x5Qy6elsceAKIOwtkZ0QxfSCQQ4KaWKwo8Biepjs3Ss2LJ2ewhisNR0ixrDY4kV1Rd7BcqWRenuTaG85K80E-30y

(2)SVM预测股票指数:基于SVM修正的模糊时间序列模型在沪指预测中的应用

(3)SVM预测时间序列其他方面:http://www.docin.com/p-233353900.html

posted @ 2016-11-20 19:38  成为数据分析熟手  阅读(9927)  评论(0编辑  收藏