SAS应用于时间序列预测，提供完整的书签，并裁剪适合月度版本。
用于时间序列预测的SAS应用
相关推荐
MG时间序列预测神经网络的应用
利用神经网络进行MG时间序列预测已被广泛探讨，介绍了使用Matlab代码的具体实现。
Matlab
0
2024-08-08
时间序列分析预测法
时间序列分析预测法分为三类：
平滑预测法：采用移动平均和指数平滑方法，平滑原始数据趋势线。
趋势外推预测法：利用历史数据拟合趋势函数，预测未来趋势。
平稳时间序列预测法：估计模型参数，根据历史数据预测未来值。
算法与数据结构
4
2024-05-24
MATLAB时间序列预测方法概述
MATLAB中的经典时间序列预测方法包括自回归（AR）、移动平均线（MA）、自回归移动平均线（ARIMA）等多种技术。这些方法已经在各行业展示出色的分类和预测能力。在探索更高级的机器学习方法之前，建议首先熟悉这些经典技术，确保数据准备充分且方法正确。详细介绍了每种方法的实现步骤和使用提示，是入门时间序列预测的理想起点。
Matlab
0
2024-08-23
应用时间序列分析：建模和预测的实践指南
特伦斯·C·米尔斯撰写的《应用时间序列分析：建模和预测的实践指南》已提供高清原版PDF，便于阅读。
算法与数据结构
5
2024-04-30
支持向量机在金融时间序列预测中的应用
支持向量机, 一种基于统计学的新型机器学习和数据挖掘技术, 遵循结构风险最小化原则。金融时间序列数据通常具有非平稳性、复杂性、非线性以及噪声干扰, 传统预测方法难以取得令人满意的效果。本研究提出一种基于支持向量机的金融时间序列预测方法, 并将其应用于上证180指数预测。实验结果表明, 支持向量机方法能够有效地建模动态金融时间序列, 并取得良好的预测效果。
数据挖掘
6
2024-05-12
XGBoost与ForecastXGB的时间序列预测技术
《XGBoost与ForecastXGB的时间序列预测技术》是一篇关于如何利用ForecastXGB包进行时间序列预测的文章。详细介绍了如何利用XGBoost算法结合Rob Hyndman的Forecast包处理时间序列数据，实现精准的预测功能。ForecastXGB包提供了简便的API，有效地处理时间序列数据中的季节性变化等因素。
算法与数据结构
0
2024-08-28
MATLAB在时间序列建模预测中的应用及程序示例
时间序列是按时间顺序排列、随时间变化且相互关联的数据序列。时间序列分析是数据分析中一个重要的领域。以下是MATLAB在时间序列建模预测中的具体应用示例。
Matlab
2
2024-07-30
动态时间弯曲算法应用于时间序列异步相关性分析
时间序列数据挖掘中，相关性分析至关重要。为突破传统方法仅限于同步相关性分析的局限，本研究提出了一种基于动态时间弯曲 (DTW) 的时间序列异步相关性分析方法。该方法利用 DTW 算法获取时间序列数据的最优弯曲路径，并将路径元素扩展为反映原始时间序列异步相关性的新序列。通过计算新序列之间的相关系数，可以有效地度量原始时间序列的异步相关性。数值实验结果表明，该方法扩展了时间序列数据的相关性分析研究，并具有较强的鲁棒性。
数据挖掘
5
2024-05-19
STUMPY: 用于时间序列数据挖掘的强大Python库
STUMPY 是一个功能强大且可扩展的 Python 库，可以高效地计算矩阵配置文件。矩阵配置文件可用于各种时间序列数据挖掘任务，例如：
模式/基序（较长时间序列内的近似重复子序列）发现
异常/新奇（不一致）发现
Shapelet 发现
语义分割
密度估计
时间序列链（子序列的临时排序集合）模式
以及更多...
无论您是学者、数据科学家，STUMPY 都能帮助您深入了解时间序列数据。
数据挖掘
4
2024-05-15