iT邦幫忙

2023 iThome 鐵人賽

DAY 10
0
AI & Data

夥伴們!一起航向AWS Certified Machine Learning Specialty的偉大航道吧!系列 第 10

Day 10 第二站 Exploratory Data Analysis - 時間序列資料分析

  • 分享至 

  • xImage
  •  

時間序列資料充斥在我們生活中的各個應用場景,熱門的股票價格分析、日常的氣溫變化、特定關鍵字搜尋次數的時序變化等等。這裡提供三種時間序列的特性:

1. Trend
資料在時間序列分佈上,呈現出一種趨勢。例如每日股票成交量向上或向下的趨勢。

2. Seasonality
資料在時間序列的呈現上,表現出一種週期性。例如,每年的七月有最多的出國人數。

3. Noise
因隨機事件,在時間序列資料上,自然夾帶的雜訊。

Trend、Seasonality與Noise的關係
那Trend、Seasonality與Noise的關係,又是什麼呢?
如果Season的變化是固定的,我們可以採用Additive Model來解釋時間序列的資料。

Trend + Seasonality + Noise = Time Series

反之,如果Seasonality伴隨著一種趨勢上的變化,我們可以選用Multiplicative Model來解釋時間序列的資料。

Trend * Seasonality * Noise = Time Series

上一篇
Day 9 第二站 Exploratory Data Analysis - 資料分佈
下一篇
Day 11 第二站 Exploratory Data Analysis - Athena
系列文
夥伴們!一起航向AWS Certified Machine Learning Specialty的偉大航道吧!30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言