Build your ultimate AI agent
课程介绍
在本课程中，您将熟练掌握使用 R 为时间序列数据拟合 ARIMA 模型。首先，您将使用 R stats 包中的工具探索时间序列数据的特性。接着，您将使用 R 包 astsa 在模拟数据（已知真实模型）上拟合各种 ARMA 模型。掌握基础后，您将学习如何为真实数据拟合差分后的 ARMA（即 ARIMA）模型。您还将学习如何检验 ARIMA 模型的有效性，以及如何对时间序列进行预测。最后，您将学习如何为季节性数据拟合 ARIMA 模型，并使用 astsa 包进行预测。
先修要求
课程大纲
课程大纲
1
时间序列数据与模型
您将探究时间序列数据的特性，并学习可解释此类数据行为的 ARMA 模型基础。您还将学习基本的 R 命令，把原始时间序列数据整理为可用 ARMA 模型分析的形式。
2
拟合 ARMA 模型
您将走进 ARMA 模型的精彩世界，并学习如何将这些模型拟合到时间序列数据。您将学习如何识别模型、如何选择合适的模型，以及在拟合后如何验证模型。您还将学习使用 stats 和 astsa 包中的 R 时间序列命令。
3
ARIMA 模型
在掌握将 ARMA 模型用于平稳时间序列之后，您将进一步学习用于非平稳时间序列的差分自回归移动平均（ARIMA）模型。您将使用 stats 和 astsa 包中的 R 时间序列命令，把这些模型应用到真实数据。
4
季节性 ARIMA
您将学习如何使用季节性 ARIMA 模型对季节性时间序列进行拟合与预测。为此，您将用到前面章节所学，并学习如何扩展 stats 和 astsa 包中的 R 时间序列命令。
R
R 中的 ARIMA 模型
课程完成
