Python 机器学习之使用 AUTO ARIMA + PROPHET + LightGBM 进行时间序列预测_lightbgm进行时间序列预测

在这篇文章中，我展示了一种开始构建可以预测值的机器学习模型的方法，以及它与监督机器学习模型的不同之处。作为奖励课程，我还向您展示了如何使用 plotly 构建交互式视觉效果。让我们开始吧

什么是时间序列预测？

顾名思义，时间序列是在一段时间内进行的一组有序观察，即时间序列。由于时间序列包含在连续时间段内映射的顺序数据点，因此它可以成为进行预测的非常重要的工具。它的一些主要应用领域包括——股票和金融交易、在线和离线零售分析以及心率、EKG、MRI 和 ECG 等医疗记录。

时间序列数据集随着数据科学家之间的极大热情而发展。它们是处理时间序列问题的许多不同方法。在下面的笔记本中探索了以下模型

• AUTO ARIMA
• Prophet
• LightGBM

1：关于数据集

数据是印度 NSE（国家证券交易所）指数 NIFTY 50 中 50 只股票的价格历史和交易量。所有数据集都是日级别的，定价和交易价值在每只股票的 .cvs 文件中拆分，还有一个元数据文件，其中包含有关股票本身的一些宏观信息。数据范围为 2000 年 1 月 1 日至 2021 年 4 月 30 日。

数据集包含以下特征

日期——交易日
符号 - 股票名称
Prev Close — 股票前一天的收盘价
Open - 给定日期的开盘价
高 - 给定日期的最高价格
低 - 给定日期的最低价格
Last - 给定日期的最后价格
Close - 给定日期的收盘价
VWAP — 全天交易股票的平均价格
由于我们有 50 只股票的可用数据，一次选择一只股票并进行分析是有意义的，因此我选择 HDFC 银行进行分析