Created
Aug 8, 2024 07:02 AM
Favorite
Favorite
Priority
备注
推荐
类型
这是Python时序预测系列原创文章，我的第206篇原创文章。
写在前面
专注于Python程序开发、数据分析、特征工程、机器学习、深度学习、人工智能等技术栈，涵盖数据挖掘、计算机视觉、自然语言处理等技术领域。每一篇文章将理论融合源码，让读者从代码中理解相关的原理和方法。（文末有惊喜福利！）
一、引言
Holt-Winters是一种经典的时序序列预测方法，用于对具有季节性和趋势性的数据进行预测。在这种方法中，使用三个组件来建模时序数据：趋势（Trend）、季节性（Seasonality）和残差（Residual）。
本文以"国际航空乘客"数据集为例，数据集包含了1949年到1960年每个月的国际航空乘客数量。将使用Holt-Winters方法进行预测。
二、实现过程
导入相关的库
2.1 读取数据集
data：
2.2 划分数据集
训练集和测试集：
2.3 建立模拟合模型进行预测
predictions：
2.4 预测效果展示
测试集真实值与预测值：
原始数据、训练集预测结果和测试集预测结果：
写在后面
作者简介：
读研期间发表6篇SCI数据算法相关论文，目前在某研究院从事数据算法相关研究工作，结合自身科研实践经历不定期持续分享关于Python、数据分析、特征工程、机器学习、深度学习、人工智能系列基础知识与案例。
致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。
1、关注下方公众号，点击“领资料”即可免费领取免费电子资料书籍。
2、邀请3个好友关注或点击喜欢作者即可联系我获取相关数据集和源码。
3、需要论文指导或商务合作，点击“联系我”添加作者微信直接交流。
推荐热门原创文章阅读 点击标题可跳转
python实现非正态分布转正态分布（BoxCox转换）
python实现数据清洗（重复值+缺失值+异常值处理）
python实现Lasso回归分析（特征筛选、建模预测）
python文本分析与挖掘（一）-构建语料库
python机器学习-建立随机森林预测模型并特征分析（完整代码+实现效果）
Python回归预测建模实战-多层感知机（神经网络）预测房价（附源码和实现效果）
Python数据分析实战-实现txt文件与列表（list）相互读写转换（附源码和实现效果）
Python图像识别实战（四）：搭建卷积神经网络进行图像二分类（附源码和实现效果）
免费电子书籍，带你入门人工智能：
python 327时序数据 32时序数据预测 36 Holt-Winters 1
python · 目录
上一篇【Python程序开发系列】Git-Clone模式软件开发工作流程和常用命令总结下一篇【Python程序开发系列】一文了解日志模块logging的使用场景和方法
个人观点，仅供参考
Scan to Follow