用Python预测间歇时间序列

Python预测间歇时间序列

间歇时间序列，或稀疏时间序列，是一种特殊情况，其中非零值在时间上出现零散，而其余值为0。

稀疏时间序列的一个常见例子是随时间变化的降雨量。可能有很多连续的无雨日子，当下雨时，降雨量会有所变化。

稀疏时间序列的另一个现实例子是缓慢移动或高价值物品的需求，例如航空航天或重型机械中的备件。

某些时间序列的间歇性特性对于预测来说是一个真正的挑战，因为传统模型不能很好地处理间歇性。因此，我们必须转向为稀疏时间序列量身定制的替代预测方法。

在本文中，我们将探讨不同的稀疏时间序列预测方法。和往常一样，我们首先从理论上探索每个模型，并在Python中实现它们。

和往常一样，完整的源代码可在GitHub上获取。

使用我的免费时间序列Python备忘单学习最新的时间序列分析技术！获取统计和深度学习技术的实现，全部使用Python和TensorFlow！

让我们开始吧！

Croston方法是预测稀疏时间序列的最常见方法之一。它通常作为基准模型来评估更复杂的方法。

使用Croston方法，从原始序列构建两个子序列：

让我们以一个玩具示例来说明。给定以下稀疏时间序列：

然后，根据Croston方法，我们创建两个新序列：一个包含非零值，另一个包含非零值之间的时间段。