昨天講了時間序列的 4 大屬性拆解,今天我們介紹三種時間序列資料的轉換方式,
它的目的是能夠讓隱藏在時序中的規律可以更容易的被觀察。
首先上公式和概念:
Power Transform
- 公式:
- 概念:透過改變 trend 次方項,將 non-linear 轉為 linear,使得季節性或其他規律更容易被觀察
Log Transform
- 公式:
- 概念:是時間序列最常用的轉換方式。
注意:原始資料不能有 ≤ 0 的值,否則無法轉換;需確定有設定最小值
Box-Cox Transform
- 公式:
- 概念:結合上面兩者的優點,自動選擇合適的 lambda 值對時序資料做轉換。這樣的概念源自於一般資料(非時間序列)會使用 Box-Cox Transform 的原因是,為了讓資料分布更趨於常態。
看完上面一定還是霧煞煞,不知道我在寫什麼XD
沒關係,接下來我們用程式跑看看,被轉換後的時間序列和他的分佈有什麼變化: