独家 | 利用Auto ARIMA构建高性能时间序列模型（附Python和R代码）

想象你如今有一个任务：根据已有的历史数据，预测下一代iPhone的价格，可以使用的特征包括季度销售、月度支出以及苹果资产负债表上的一系列内容。做为一名数据科学家，你会把这个问题归类为哪一类问题？固然是时间序列建模。

从预测产品销售到估算家庭用电量，时间序列预测是任何数据科学家都应该知道——哪怕不是熟练掌握——的核心技能之一。你可使用多种不一样的方法进行时间序列预测，咱们将在本文中讨论Auto ARIMA，它是最为有效的方法之一。

首先，咱们来了解一下ARIMA的概念，而后再进入正题——Auto ARIMA。为了巩固概念，咱们将使用一个数据集，并用Python和R实现它。

目录

1、什么是时间序列？

2、时间序列预测的方法

3、ARIMA简介

4、ARIMA实现步骤

5、为何须要Auto ARIMA？

6、用Auto ARIMA实现案例(航空乘客数据集)

7、Auto ARIMA如何选择参数？

若是你熟悉时间序列及其经常使用方法(如移动平均、指数平滑和ARIMA)，则能够直接跳到第4节。对于初学者，请从下面这一节开始，内容包括对时间序列和各类预测方法的简要介绍。