u014543416的博客

时间序列分析，正是根据客观事物发展的连续规律性,运用过去的历史数据，通过统计分析,进一步推测未来的发展趋势。根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。从这些影响因素发生作用的大小和方向变化的时间特性来看,这些因素造成的时间序列数据的变动分为四种类型。(1)、趋势性：某个变量随着时间进展或自变量变化,呈现一种比较缓慢而长期的持续上升、下降、停留的同性质变动趋向,但变动幅度可能不相等。1、时间序列分析法是根据过去的变化趋势预测未来的发展,它的前提是假定事物的过去延续到未来。

设一元线性回归方程为，数据样本点为， 要想使这n个样本点落在一元线性回归方程附近，不妨设误差为，使得没一个样本点落在一元线性回归方程上，因此有恒成立，所以回归直线应满足的条件是：实际值与回归估计值之间的误差平方和最小，即： 此时令，原问题就转换成求解二元函数极小值问题，分别对求偏导： 令上两式等于零，即 最终求出两个数值，一元线性回归方程也就拟合出来了。 ...

#建模、预测和可视化 # 导入相关包 import numpy as np from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 切分训练集和测试集的函数 import matplotlib import matplotlib.pyplot as plt matplotlib.rcParams['font.sans-serif'] = ['Sim