如何解决TimeSeries - PACF,ACF - ARIMA 建模没有反映清晰的模式？随机游走？
目前正在写硕士论文，但遇到一些问题。我收到了多元时间序列的数据。时间序列代表2014-2018年的销量。
我不确定如何在 PYTHON 中正确建模。它没有像我想要的那样反映。你能帮我查一下吗？你能帮我么？您会选择其他订单吗？
我接受了订单 (2,1,0) => AR 流程 - 您认为这是正确的吗？
或者，我正在考虑使用多变量回归、随机森林回归器和神经网络进行比较 - 你会怎么想？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
