STL——以鲁棒局部加权回归作为平滑方法的时间序列分解方法
摘要 STL是一种把时间序列分解为趋势项(trend component)、季节项(seasonal component)和余项(remainder component)的过滤过程。 STL有一个简单的设计，它包含了loess平滑法的一系列应用；这个简单的设计允许对过程的属性进行分析，也可以实现快速计算，即使对于长时间的时间序列、以及大量的趋势和季节性的平滑，也可以进行快速计算。 STL的其它特点
相关文章
- 1. 局部加权线性回归时间序列预测
- 2. 核平滑方法——局部多项式回归
- 3. 【算法】局部加权回归（Lowess）
- 4. 时间序列分解法STL
- 5. 时间序列分解算法：STL
- 6. 局部加权回归
- 7. 局部加权回归LOWESS
- 8. python局部加权回归
- 9. 局部加权回归LOESS
- 10. 线性回归——局部加权回归
- 更多相关文章...
- • ASP Contents.Remove 方法 - ASP 教程
- • ASP Contents.RemoveAll 方法 - ASP 教程
- • 算法总结-归并排序
- • 常用的分布式事务解决方案
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 局部加权线性回归时间序列预测
- 2. 核平滑方法——局部多项式回归
- 3. 【算法】局部加权回归（Lowess）
- 4. 时间序列分解法STL
- 5. 时间序列分解算法：STL
- 6. 局部加权回归
- 7. 局部加权回归LOWESS
- 8. python局部加权回归
- 9. 局部加权回归LOESS
- 10. 线性回归——局部加权回归