前言

在使用时间序列模型进行预测时，首先需要判断数据是否有异常值，数据是否符合随机性，检查平稳性与周期性

一、异常值检验

data.sort_values("Month",inplace=true)
data.head()

data["Value"].interpolate(inplace=True) #这里填充用的是时间上下的均值进行填充
data.isnull.sum()sns.boxplot(data=data["Value"]) #使用箱线图查看检查

二、重复值

data[data.duplicated(keep=False)]  #检查重复之后删除
data.drop_duplicated(inplace=True)
print(data.shape)

三、重新设置索引并进行时间点检测

'''时间序列上一般使用日期时间类型索引，这样方便操作元素。
因此我们将数据中的时间列转换成日期类型，并将其设置为索引。'''data["Month"]=pd.to_datetime(data["Month"])
data.set_index("Month",inplace=True)
data.head()#检测时间点是否缺失
data=data.asfreq("MS") #MS指月份第一天
data.insull().sum()
#存在缺失点，进行填充插值
data["Value"].interpolate(inplace=True) #这里填充用的是时间上下的均值进行填充
data.isnull.sum()

四、时间序列可视化

data["Value"].plot(figsize=(15,5))

五、平稳性检验

import sys
sys.path.append("../tools")
import tstoolstsools.stationarity_test(data["Value"],m=12)#其中12为周期

六、纯随机性检验

tstools.random_test(data["Value"])

机器学习——时间序列（二）相关推荐

机器学习——时间序列ARIMA模型(一)：差分法详解
机器学习--时间序列ARIMA模型(一):差分法详解一.所需数据的性质平稳性样本数据需随着时间序列而发生变化,且序列的均值和方差不发生明显变化. 预测出在未来的一段期间内数据顺着现有的" ...
机器学习（二）如何做到Kaggle排名前2%
机器学习(二) 如何做到Kaggle排名前2% 发表于 2017-04-12 | 更新于 2017-05-06 | 分类于 machine learning , 机器学习 , AI | 评论次数 ...
机器学习（二十八）——Monte-Carlo
动态规划(续) Value Iteration vk+1(s)=maxa∈A(Ras+γ∑s′∈SPass′vk(s′))vk+1(s)=maxa∈A(Rsa+γ∑s′∈SPss′avk(s′)) v ...
独家思维导图！让你秒懂李宏毅2020机器学习（二）—— Classification分类
独家思维导图!让你秒懂李宏毅2020机器学习(二)-- Classification分类在上一篇文章我总结了李老师Introduction和regression的具体内容,即1-4课的内容,这篇我将 ...
机器学习之二：回归分析
机器学习之二:回归分析如果想了解更多的知识,可以去我的机器学习之路 The Road To Machine Learning通道 1. 基本概念我们首先了解一下关于回归的基本概念. 因变量(dep ...
机器学习（二）多元线性回归算法预测房价
机器学习(二)多元线性回归算法预测房价本篇文章已作为重庆交通大学19级微课<机器视觉>大作业提交,提前声明,避免抄袭误会 "garbage in garbage out&quo ...
Python机器学习（二）：决策树(Decision Tree-DTs)
Python机器学习(二):决策树(Decision Tree-DTs) 目录: Python机器学习(二):决策树(Decision Tree-DTs) 一.什么是决策树 1.基本概念 2.决策树算 ...
机器学习（二）概率密度分布之非参数估计
机器学习(二)概率密度估计之非参数估计 2018/2/19 by ChenjingDing 二.非参数估计 2.1直方图估计直方图估计概率密度函数基本思想: 将数据空间分成许多个子空间,每一个子空间 ...
机器学习（二）非参数估计matlab例程
机器学习(二)非参数估计matlab例程 2018/2/19 by ChenjingDing 问题描述: 分别使用K近邻和核函数的方法.为输入样本xˆx^\widehat{x}估计概率密度函数.xˆx ...
Python机器学习实验二：1.编写代码，实现对iris数据集的KNN算法分类及预测
Python机器学习实验二:编写代码,实现对iris数据集的KNN算法分类及预测 1.编写代码,实现对iris数据集的KNN算法分类及预测,要求: (1)数据集划分为测试集占20%: (2)n_nei ...

机器学习——时间序列（二）

文章目录

前言

一、异常值检验

二、重复值

三、重新设置索引并进行时间点检测

四、时间序列可视化

五、平稳性检验

六、纯随机性检验

机器学习——时间序列（二）相关推荐

最新文章

热门文章