Прогнозирование временных рядов — полезный метод науки о данных, который можно применять в самых разных отраслях и областях. Вот руководство по началу работы с основными концепциями, лежащими в его основе. Прогнозирование временных рядов — это задача прогнозирования будущих значений на основе исторических данных. Примеры из разных отраслей включают прогнозирование погоды, объемов продаж и цен на акции. Совсем недавно он был применен для прогнозирования ценовых тенденций для криптовалют, таких как биткойн и эфириум...

Автокорреляция является числовым отражениям связи между лаговыми значениями временного ряда. Рассмотрим, особенности ее подсчета и практической реализации в библиотеке Statsmodels. Сначала скачаем тренировочный набор данных: Автокорреляцию между ts и его сдвигом на k можно посчитать так: или более практичный вид: Числовые коэффициенты в числителе и знаменателе считают по-разному, так как у основного ряда T членов, а лагового - (T-k)...