课程背景
本课为中级课程《海量资料建模》的第二篇：时序篇
本课主要解说怎样利用
P
ython开展时间序列的资料建模，支援参训者构筑系统周全的预测建模思路，拉升参训者的资料建模综合本领。
课程收益
掌握资料建模的准则流程。
掌握时序预测建模的基本思想，领会因素分解的思路。
掌握常用的趋势拟合模型。
掌握常用的季节预测模型，能够开展季节周期性的时序建模。
深刻理念平稳序列的概念，就一线经验说，以及平稳性检验。
掌握平稳序列的模型识别，实操中，以及模型定阶。
掌握时序预测模型的评核，以及精进。
掌握高级时序模型的训练和建模。
课程大纲
预测建模基础
资料建模六步法
选项
模型：基于业务选项恰当的资料模型
属性筛选
：选项对标的变量有显著影响的属性来建模
训练模型
：采用合适的算法，落地时，寻找到最合适的模型参数
评核模型
：开展评核模型的质量，判断模型是否可用
精进模型
：倘若评核结果不理想，则需要对模型开展精进
运用模型
：倘若评核结果满足要求，则可运用模型于业务情境
资料挖掘常用的模型
数值预测模型：回归预测、时序预测等等
分类预测模型：推演回归、决策树、神经网络、支持向量机等等
市场细分：聚类、
RFM
、
PCA
等等
货品推荐：关联拆解、协同过滤等等
货品精进：回归、随机效用等等
货品定价：定价打法
/
最优定价等等
属性筛选
/
特征选项
/
变量降维
基于变量本身特征
基于相关性判断
因子合并（
PCA
等等）
IV
值筛选（评分卡采用）
基于资讯增益判断（决策树采用）
训练模型以及达成算法
模型原理
算法达成
评核模型
评核指标
评核办法
残差评核
模型精进
精进模型：选项新模型
/
修改模型
精进资料：新增显著自变量
精进公式：采用新的计算公式
模型运用
模型解读
模型保存
/
加载
模型运用
/
预测
好模型是精进出来的
时序模型评核
评核指标
判定系数：
和
平均误差：
MAE
根都方差：
RMSE
平均误差率：
MAPE
资讯准则指标
赤池资讯准则（
Akaike Information Criterion
，具体来看，
AIC
）
贝叶斯资讯准则（
Bayesian Information Criterion
，具体来看，
BIC
）
H
QIC（Hannan-Quinn Information Criterion
，运行层面，
HQIC
）
评核办法
滚动交叉验证法（
cross validation
）
其它评核
残差评核：白噪声评核
趋势预测模型
问题：无法找到影响因素，换个角度看，无法回归建模，怎么办？随着业务受季节性因素影响，未来的销量怎样预测？
时间序列简介
时序预测的原理以及运用情境
常见时序预测模型
趋势类预测模型
季节类预测模型
平稳时序预测模型
其它高级模型
移动平均
运用情境以及原理
领会滑动窗口
移动平均种类
一次移动平均
二次移动平均
加权移动平均
移动平均比率法
移动平均要害问题
最佳期数
N
的选项要则
最优权重系数的选取要则
上手：销售额预测模型以及评核
上手：快销货品季节销量预测以及评核
指数平滑
运用情境以及原理
最优平滑系数的选取要则
指数平滑种类
一次指数平滑
二次指数平滑
（
Brown
线性）
三次指数平滑
上手：煤炭产量预测
H
olt趋势模型（亦称二次指数平滑）
H
olt线性模型
H
olt指数模型
阻尼线性趋势
阻尼指数趋势
季节预测模型
因素分解思想
时间序列的四个构成要素
长期趋势
T
rend
季节变动
S
easonality
循环变动
C
ircle
不规则变动
I
rregular
实例
：
时间序列的季节分解
Ho
lt-Winters季节模型
三个组成部分
三个平滑因子
HW
加法模型
适用情境
计算公式
超参精进
模型解读
HW
乘法模型
HW
指数模型
实例
：
航空飞行里程预测模型
实例
：
汽车销量预测模型
实例
：
沃尔玛收益预测模型
基于回归的季节模型
相加模型
相乘模型
模型训练以及精进
模型解读
平稳序列模型
平稳序列预测模型简介
序列平稳性概念
恒定的均值
恒定的准则差
和位置无关的协方差
序列平稳性检验
折线图法
A
CF/PACF图
A
DF检测法
特殊平稳序列：白噪声
实例
：
序列平稳性检验
实例：白噪声检验
平稳序列常用拟合模型
AR(p)自回归模型
M
A(q)移动平均模型
ARMA(p,q)自回归移动平均模型
模型识别
A
CF图
P
ACF图
模型定阶
图形定阶（
A
CF/PACF）
最小资讯准则定阶
非平稳序列处理
平滑法
变量变换
差分运算：
k
步差分和
d阶差分
A
RIMA(p,d,q)建模流程
实例：上海证券交易所收盘价建模
SARIMA(p,d,q)(P,D,Q,S)模型
图形确定阶数
遍历确定阶数
时序模型收束
模型质量评核篇
回归模型的评核指标
三个基本概念
:
SSR/SST/SSE
两个判定系数:R^2,
调整
R
^2
三个误差指标
:
MAE/MAPE/RMSE
平均绝对误差
MA
E
都方差
MSE/RMSE
平均误差率
MAPE
模型的评核办法
原始评核法
留出法（
H
old-Out
）
交叉验证法（
k
-fold
cross validation
）
自助采样法（
Bootstrapping
）
时间序列的滚动交叉验证
高级时序模型
P
rophet模型引见
趋势拟合
季节性预测
节假日和特殊经过的影响
离群值拆解
实例
：
销售额时序预测模型
L
STM模型简介
资料集构造
形状构造
滚动预测
广告点击量时序建模
结束：课程
收束
和
问题答疑
。
老师简介
Introduction to lecturers
弄懂更多
珀菲特顾问|傅一航老师
适合谁听
业务支撑部、营运拆解部、资料拆解部、IT系统部、海量资料系统开发部等等相关技艺人员。。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。