天猫大数据竞赛——资金流入流出预测 竞赛过程中挖掘到的信息及决赛注意事项 模型选择 ARIMA (HW)+ LM 预测整月的数据 对一些特征点进行调优 (中秋，调休，国庆前) 决赛相对之前的升级： 模型方面主要是增加了数据预处理 和 线性模型中的特征； 特殊时间点方面，主要是更好的刻画了月初、月末的特征. 关于评测 如果评测机会比较充足，了解一下自己的purchase得分和redeem得分对后续方向的指导意义比较大，purchase由于比较稳定，所以得分应该更高；而redeem会因为波动比较大，预测难一些; 不要迷信用八月份的数据做线下评测得到的效果，八月份数据略坑，及早从坑里爬出来.一般来说; 评估函数不是线性的，越准确上分速度越快，加入一些小幅的噪声有可能能够提高成绩； 基本流程 需要对整体数据做一个处理，比如数据预处理、分解、汇总，这个正好使用ODPS，语法同HIVE，可以查HIVE

奇异频谱分析 用于执行奇异频谱分析（SSA）的软件包 简单用法 下面的示例创建了一个具有两个强烈季节性成分的模拟信号。 主要输入函数是analyze(y,L) ，该函数返回趋势和季节成分。 y是要分解的信号， L是要用于内部嵌入的窗口长度。 using SingularSpectrumAnalysis, Plots # generate some data L = 20 # Window length K = 100 N = K * L; # number of datapoints t = 1 : N; # Time vector T = 20 ; # period of main oscillation y

股票预测器 该程序使用了一个人工循环神经网络，称为长短期记忆（LSTM-多元变量） 使用过去60天的股价来预测“苹果”在30天内的开盘价。 准备数据 获取数据 股票数据是使用pandas_datareader软件包从雅虎财务部门收集的。 时间范围是从2016年1月1日到2021年1月1日。 df = web.DataReader('AAPL', data_source='yahoo', start='2016-01-01', end='2021-01-01') 显示前5行 高的 低的 打开 关闭 调整关闭 2016-01-04 26.342501 25.500000 25.652500 26.337500 24.400942 2016-01-05 26.462500 25.602501 26.437500 25.677500 23.789471 2016-01-

Forecast_LSTM 该程序旨在对温度执行时间序列预测。 在sqlite3文件database.db测试数据 先决条件 Python3 点子 火炬 大熊猫 Tqdm 密谋 用法 首先，将cd转到目录，然后运行python3 train.py或python3 train2.py 。 作者 ÍcaroLorran Lopes Costa- （ ）

BTC_ts_forecast：比特币时间序列预测

使用LSTM网络做预报(Forecast) 在一次小小的比赛中需要做趋势预测，当时找了很多种方法，最后也对LSTM的使用做出一定的研究，现在大多数能找到的都是Predict，对于Forecast的做法虽然找到了原理，但由于各种原因自己未能很好写出。最后是完成了，这里也做一个小小的记录。 LSTM 完全不想解释，因为只是调包侠，原理还不懂，调参都是手动调的，很离谱。 代码 导入基础模块，preprocessing用作数据归一化预处理 # 导入模块 import numpy as np import pandas as pd import matplotlib.pyplot as plt from

对站点天气预报有需求的爱好者

matlab输入光强、风速、风向等气象数据，输出天气预报情况。

emd的matlab代码 EMD-SA-DBN-for-Wind-speed-forecast （MATLAB CODE） Establishing a time series forecasting model for wind speed prediction based on DBN，Due to the autocorrelation of the wind speed sequence, the predicted value and the actual value lag, so EMD is used to decompose the wind speed sequence, and then the decomposed components are modeled in turn. To further mention accuracy, the simulated annealing algorithm is used to optimize the DBN。 (MATLAB代码)采用深度置信网络DBN建立风速预测的时间序列预测模型，由于数据本身的自相关性，导致得

临近广播-Python 该存储库包含从Matlab代码转换而来的Python代码，该代码会生成动态因子模型。 Matlab代码和模型属于和开发的。 请访问他们的以获取更多详细信息。 正在翻译的Matlab代码实现了Brandyn Bok，Daniele Caratelli，Domenico Giannone，Argia M.Sbordone和Andrea Tambalotti的“”中所述的临近预报框架，纽约联邦储备银行的Staff Reports 830 （为《经济学年鉴》第10卷编写）。 文件和文件夹说明 data/ ：从下载的示例美国数据 Functions/ ：用于加载数据，估计模型和更新预测的函数 example_DFM.py ：示例脚本，用于估计一个月度和季度序列面板的动态因子模型（DFM） example_Nowcast.py ：示例脚本，用于对目标变量（例如实际GDP增