知识点回顾

1. 序列数据的处理：
   1. 处理非平稳性：n阶差分
   2. 处理季节性：季节性差分
   3. 自回归性无需处理
2. 模型的选择
   1. AR(p) 自回归模型：当前值受到过去p个值的影响
   2. MA(q) 移动平均模型：当前值收到短期冲击的影响，且冲击影响随时间衰减
   3. ARMA(p,q) 自回归滑动平均模型：同时存在自回归和冲击影响

作业：检索下经典的时序单变量数据集有哪些，选择一个尝试观察其性质。

经典时序数据集分析方案

1.新增数据集加载模块

import pandas as pd
from statsmodels.datasets import get_rdatasetdef load_classic_series(name='AirPassengers'):"""支持加载的经典数据集：- 'AirPassengers' 航空乘客数据（1949-1960）- 'sunspots' 太阳黑子数据（1700-2008）- 'nile' 尼罗河流量数据（1871-1970）"""dataset = get_rdataset(name).dataif name == 'AirPassengers':dataset.index = pd.date_range(start='1949-01', periods=len(dataset), freq='M')return dataset

2.增强可视化模块

import matplotlib.pyplot as pltdef plot_series_decomposition(series, period=12):decomposition = seasonal_decompose(series, period=period)fig, (ax1, ax2, ax3, ax4) = plt.subplots(4,1, figsize=(12,8))decomposition.observed.plot(ax=ax1, title='Observed')decomposition.trend.plot(ax=ax2, title='Trend')decomposition.seasonal.plot(ax=ax3, title='Seasonality')decomposition.resid.plot(ax=ax4, title='Residuals')plt.tight_layout()return fig

3.执行分析命令

python -m src.models.train --task time_series_analysis --dataset AirPassengers

经典数据集特性对比