機(jī)器學(xué)習(xí)中測(cè)試時(shí)間序列的問題有哪些

這篇文章主要介紹“機(jī)器學(xué)習(xí)中測(cè)試時(shí)間序列的問題有哪些”，在日常操作中，相信很多人在機(jī)器學(xué)習(xí)中測(cè)試時(shí)間序列的問題有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對(duì)大家解答”機(jī)器學(xué)習(xí)中測(cè)試時(shí)間序列的問題有哪些”的疑惑有所幫助！接下來，請(qǐng)跟著小編一起來學(xué)習(xí)吧！

所有的得分

下面是分布得分，它們將幫助你評(píng)估你的表現(xiàn)。

300多人參加了技能測(cè)試，獲得的最高分?jǐn)?shù)為38分。以下是一些關(guān)于分布的統(tǒng)計(jì)數(shù)據(jù)。

• 平均分：17.13

• 中位數(shù)：19

• 眾數(shù)：19

1） 下面哪一個(gè)是時(shí)間序列問題的例子？

1. 估計(jì)未來6個(gè)月酒店客房預(yù)訂數(shù)量。

2. 估計(jì)保險(xiǎn)公司未來三年的總銷售額。

3. 估計(jì)下一周的通話次數(shù)。

A) 只有 3 B) 1 和 2 C) 2 和 3 D) 1 和 3 E) 1,2 和 3

解決方案：（E）

以上所有選項(xiàng)都與時(shí)間序列有關(guān)。

2） 以下哪項(xiàng)不是時(shí)間序列模型的示例？

A） 樸素法

B） 指數(shù)平滑

C） 移動(dòng)平均

D） 以上都不是

解決方案：（D）

樸素法：一種估計(jì)技術(shù)，在這種技術(shù)中，最后一個(gè)時(shí)期的實(shí)際情況被用作這一時(shí)期的預(yù)測(cè)，而不加以調(diào)整或試圖確定因果因素，適用于比較穩(wěn)定的序列。它僅用于與更復(fù)雜的技術(shù)生成的預(yù)測(cè)進(jìn)行比較。

在指數(shù)平滑中，舊數(shù)據(jù)的相對(duì)重要性逐漸降低，而新數(shù)據(jù)的相對(duì)重要性逐漸提高。

在時(shí)間序列分析中，移動(dòng)平均（MA）模型是一種常用的單變量時(shí)間序列建模方法。移動(dòng)平均模型指定輸出變量線性依賴于隨機(jī)項(xiàng)（不完全可預(yù)測(cè)）的當(dāng)前值和各種過去值。

3） 下列哪項(xiàng)不能作為時(shí)間序列圖的組成部分？

A） 季節(jié)性

B） 趨勢(shì)

C） 周期性

D） 噪聲

E） 以上都不是

解決方案：（E）

當(dāng)一系列因素受到季節(jié)因素（例如，一年中的一個(gè)季度、一個(gè)月或一周中的一天）的影響時(shí)，就存在一種季節(jié)模式。季節(jié)性總是一個(gè)固定且已知的時(shí)期。因此，季節(jié)性時(shí)間序列有時(shí)被稱為周期性時(shí)間序列

季節(jié)總是一個(gè)固定且已知的時(shí)期。當(dāng)數(shù)據(jù)呈現(xiàn)非固定周期的漲跌時(shí)，它就存在一種循環(huán)模式。

趨勢(shì)被定義為時(shí)間序列中跟日歷無關(guān)且無規(guī)律影響的“長期”運(yùn)動(dòng)，是底層的反映。它是人口增長、物價(jià)上漲和一般經(jīng)濟(jì)變化等影響的結(jié)果。下圖描繪了一個(gè)隨時(shí)間有明顯上升趨勢(shì)的系列。

噪聲：在離散時(shí)間內(nèi)，白噪聲是一種離散信號(hào)，其樣本被視為一系列均值為零、方差有限的不相關(guān)隨機(jī)變量。

因此，上述所有內(nèi)容都是時(shí)間序列的組成部分。

4） 在時(shí)間序列建模中，下列哪項(xiàng)比較容易估計(jì)？

A） 季節(jié)性

B） 周期性

C） 季節(jié)性和周期性沒有區(qū)別

解決方案：（A）

正如我們?cè)谇懊娴慕庵兴吹降?，由于季?jié)性呈現(xiàn)平穩(wěn)的結(jié)構(gòu)，所以更容易估計(jì)。

5） 下面的時(shí)間序列圖包含周期性和季節(jié)性成分

A）真 B）假

解決方案： （B）

上面的圖中以固定的時(shí)間間隔重復(fù)出現(xiàn)差不多的趨勢(shì)，因此實(shí)際上只是季節(jié)性的。

6）時(shí)間序列數(shù)據(jù)（不包括白噪聲）中的相鄰觀測(cè)值是獨(dú)立且均勻分布的（IID）

A）真 B）假

解決方案：（B）

隨著觀測(cè)值之間的時(shí)間間隔變短，它們往往與時(shí)間強(qiáng)相關(guān)。因?yàn)闀r(shí)間序列預(yù)測(cè)是基于以前的觀察數(shù)據(jù)而不是當(dāng)前的觀察數(shù)據(jù)，不像分類或回歸那樣數(shù)據(jù)與數(shù)據(jù)之間關(guān)聯(lián)性不高。

7） 接近1的平滑參數(shù)會(huì)給預(yù)測(cè)中的最新觀測(cè)值帶來更大的權(quán)重或影響

A） 真

B） 假

解決方案：（A）

將較大的權(quán)重應(yīng)用于較新的觀測(cè)結(jié)果中，比應(yīng)用到歷史數(shù)據(jù)的觀測(cè)結(jié)果中更為明智。這正是簡單指數(shù)平滑背后的概念。預(yù)測(cè)是使用加權(quán)平均值計(jì)算的，加權(quán)平均值隨著過去觀測(cè)值的增加呈指數(shù)遞減——最小的權(quán)重將與最早的觀測(cè)值相關(guān)。

8）指數(shù)平滑的權(quán)重之和是_____

A）<1 B）1 C）> 1 D）以上都不是

解決方案： （B）

表7.1顯示了使用簡單指數(shù)平滑法進(jìn)行預(yù)測(cè)時(shí)，對(duì)四個(gè)不同α值的觀測(cè)值的權(quán)重。請(qǐng)注意，對(duì)于任何合理的樣本量，即使對(duì)于較小的α，權(quán)重的總和也將約為1。

9）上一階段的預(yù)測(cè)是70，而需求是60。什么是簡單的指數(shù)平滑？當(dāng)Alpha = 0.4時(shí)，預(yù)測(cè)下一個(gè)周期。

A) 63.8 B) 65 C) 62 D) 66

解決方案：（D） Yt-1 = 70 St-1 = 60 Alpha = 0.4

代入，得：

0.4 * 60 + 0.6 * 70 = 24 + 42 = 66

10）自協(xié)方差測(cè)量什么？

A） 不同時(shí)間觀測(cè)到的不同序列上多個(gè)點(diǎn)之間的線性相關(guān)性

B） 不同時(shí)間觀測(cè)到的同一序列上兩點(diǎn)之間的二次相關(guān)性

C） 同時(shí)觀測(cè)到的不同序列兩點(diǎn)之間的線性關(guān)系

D） 在不同時(shí)間觀測(cè)到的同一序列上兩點(diǎn)之間的線性關(guān)系

解決方案：（D）

選項(xiàng)D是自協(xié)方差的定義。

11） 下列哪項(xiàng)不是弱平穩(wěn)時(shí)間序列的必要條件？

A） 平均值是恒定的，不依賴于時(shí)間

B） 自協(xié)方差函數(shù)僅通過其差|s-t|依賴于s和t(其中t和s為時(shí)刻)

C） 所考慮的時(shí)間序列是一個(gè)有限方差過程

D） 時(shí)間序列是高斯的

解決方案：（D）

高斯時(shí)間序列意味著平穩(wěn)性是嚴(yán)平穩(wěn)性。

12） 下列哪項(xiàng)不是平滑時(shí)間序列的技術(shù)？

A） 最近鄰回歸

B） 局部加權(quán)散點(diǎn)圖平滑

C） 基于樹的模型，如（CART）

D） 平滑樣條曲線

解決方案：（C）

時(shí)間序列平滑和濾波可以用局部回歸模型來表示。多項(xiàng)式和回歸樣條也提供了平滑的重要技術(shù)。基于CART的模型不提供要疊加在時(shí)間序列上的方程，因此不能用于平滑。所有其他技術(shù)都是有據(jù)可查的平滑技術(shù)。

13)如果2016年10月需求為100,2016年11月需求為200,2016年12月需求為300,2017年1月需求為400。2017年2月的3個(gè)月移動(dòng)平均線是多少?

A)300

B) 350

C) 400

D)需要更多的信息

解決方案:(A)

X' = (xt-3 + xt-2 + xt-1) /3

(200+300+400)/ 3 = 900/3 =300

14）查看下面的ACF圖，你是否建議將AR或MA用于ARIMA建模技術(shù)？

A）AR B）MA C）不能判斷

解決方案：（A）

在以下情況下考慮使用MA模型：如果差分序列的自相關(guān)函數(shù)（ACF）表現(xiàn)出明顯的截尾或偏相關(guān)系數(shù)表現(xiàn)出拖尾，則考慮添加一個(gè)模型的MA項(xiàng)。ACF截止的滯后時(shí)間就是MA項(xiàng)數(shù)。

但是，由于沒有表現(xiàn)出明顯的截尾，因此必須采用AR模型。

15）假設(shè)你是Analytics Vidhya的一名數(shù)據(jù)科學(xué)家。你注意到1 - 3月對(duì)文章的評(píng)論增加了。而11月- 12月期間的瀏覽量有所下降。

以上陳述是否代表數(shù)據(jù)具有季節(jié)性？

A）真 B）假 C）不能判斷

解決方案：（A）

是的，這是一個(gè)明確的季節(jié)性趨勢(shì)，因?yàn)樵谔囟〞r(shí)間視圖會(huì)發(fā)生變化。

請(qǐng)記住，“季節(jié)性”是指在特定的周期性時(shí)間間隔內(nèi)出現(xiàn)的變化。

16）以下哪個(gè)圖形可用于檢測(cè)時(shí)間序列數(shù)據(jù)中的季節(jié)性？

1.多個(gè)盒圖 2.自相關(guān)

A）僅1 B）僅2 C）1和2 D）這些都不是

解決方案：（C）

季節(jié)性是在特定的周期間隔內(nèi)變化的存在。

分布的變化可以在多個(gè)盒圖中觀察到。因此，可以很容易地發(fā)現(xiàn)季節(jié)性。自相關(guān)圖應(yīng)在等于周期的滯后處顯示峰值。

17）平穩(wěn)性是時(shí)間序列過程的理想屬性。

A）是 B）假

解決方案：（A）

當(dāng)滿足以下條件時(shí)，時(shí)間序列是平穩(wěn)的。

1. 平均值是恒定的，不依賴于時(shí)間

2. 自協(xié)方差函數(shù)僅取決于s和t的差| s-t |。（其中t和s是時(shí)間點(diǎn)）

3. 考慮的時(shí)間序列是一個(gè)有限方差過程

這些條件是數(shù)學(xué)上表示要用于分析和預(yù)測(cè)的時(shí)間序列的必要先決條件。因此，平穩(wěn)性是理想的屬性。

18）假設(shè)你獲得的時(shí)間序列數(shù)據(jù)集只有4列（id，Time，X，Target）

如果給定窗口大小2，特征X的滑動(dòng)平均值是多少？

注意：X欄代表滑動(dòng)平均值。

A）

B）

C）

D）以上都不是

解決方案： （B）

X` = Xt-2 + Xt-1 / 2

根據(jù)以上公式：（100 +200）/ 2 = 150; （200 + 300）/ 2 = 250，依此類推。

19）想象一下，你正在處理時(shí)間序列數(shù)據(jù)集。你的經(jīng)理要求你建立一個(gè)高度準(zhǔn)確的模型。你開始構(gòu)建以下兩種類型的模型。

模型1：決策樹模型

模型2：時(shí)間序列回歸模型

在對(duì)這兩個(gè)模型進(jìn)行評(píng)估的最后，你發(fā)現(xiàn)模型2比模型1更好。

A）模型1不能像模型2那樣映射線性關(guān)系 B）模型1總是比模型2更好 C）你不能將決策樹與時(shí)間序列回歸進(jìn)行比較 D）這些都不是

解決方案： （A）

時(shí)間序列模型類似于回歸模型。因此，它擅于找到簡單的線性關(guān)系。基于樹的模型雖然有效，但在發(fā)現(xiàn)和利用線性關(guān)系方面卻并不那么擅長。

20）哪種類型的分析對(duì)于根據(jù)以下類型的數(shù)據(jù)進(jìn)行溫度預(yù)測(cè)最有效。

A）時(shí)間序列分析 B）分類 C）聚類 D）以上都不是

解決方案：（A）

本題獲取了連續(xù)幾天的數(shù)據(jù)，因此最有效的分析類型是時(shí)間序列分析。

21）溫度/降水變量的一次差分是多少？

A）15,12.2，-43.2，-23.2,14.3，-7 B）38.17，-46.11，-4.98,14.29，-22.61 C）35,38.17，-46.11，-4.98,14.29，-22.61 D）36.21， -43.23，-5.43,17.44，-22.61

解決方案：（B）

73.17-35 = 38.17 27.05-73.17 = – 46.11，依此類推。 13.75 – 36.36 = -22.61

22）考慮以下數(shù)據(jù)集：

{23.32 32.33 32.88 28.98 33.16 26.33 29.88 32.69 18.98 21.23 26.66 29.89} 時(shí)間序列滯后一個(gè)樣本的自相關(guān)是什么？

A) 0.26 B) 0.52 C) 0.13 D) 0.07

解決方案：（C）

ρ?1 = PT _{t = 2}（x _t-1- xˉ）（x _t- xˉ）PT_{t = 1}（x_t-xˉ）^2

=（23.32-x′）（32.33-x′）+（32.33-x′）（32.88-x′）+···PT _{t = 1}（x_t -x′）^2

= 0.130394786

其中x是級(jí)數(shù)的平均值，為28.0275

23）任何平穩(wěn)時(shí)間序列都可以近似為在各種頻率下振蕩的正弦和余弦的隨機(jī)疊加。

A）真 B）假

解決方案：（A）

弱平穩(wěn)時(shí)間序列 x_t 是有限方差過程，因此

• 平均值函數(shù) μt 是常數(shù)，并且不依賴于時(shí)間t；并且（ii）定義的自協(xié)方差函數(shù)γ（s，t）僅依賴于s和t的差| s-t |。

在各種頻率下振蕩的正弦和余弦的隨機(jī)疊加是白噪聲。白噪聲是微弱的或平穩(wěn)的。如果白噪聲變量也呈正態(tài)分布或高斯分布，則該序列也是嚴(yán)平穩(wěn)的。

24）弱平穩(wěn)時(shí)間序列的自協(xié)方差函數(shù)不取決于_______？

A）xs和xt的間隔 B）h = | s – t | C）在特定時(shí)間點(diǎn)的位置

解決方案：（C）

通過定義上一個(gè)問題中描述的弱平穩(wěn)時(shí)間序列。

25）如果_____，則兩個(gè)時(shí)間序列聯(lián)合平穩(wěn)。

A）它們都是平穩(wěn)的 B）交叉方差函數(shù)僅是滯后h的函數(shù) C）僅A D）A和B

解決方案：（D）

聯(lián)合平穩(wěn)性是根據(jù)上述兩個(gè)條件定義的。

26）在自回歸模型中_______

A）因變量的當(dāng)前值受自變量的當(dāng)前值影響 B）因變量的當(dāng)前值受自變量的當(dāng)前值和過去值影響 C）因變量的當(dāng)前值受因變量和自變量的過去值影響 D）以上都不是

解決方案：（C）

自回歸模型基于這樣的思想，即序列的當(dāng)前值xt可以解釋為p個(gè)過去值xt-1，xt-2，…，xt-p的函數(shù)，其中p決定了預(yù)測(cè)當(dāng)前值所需的過去步進(jìn)數(shù)。例如 xt = xt-1 -.90xt-2 + wt，

其中xt-1和xt-2是因變量和wt的過去值，白噪聲可以表示獨(dú)立值。

該示例可以擴(kuò)展為包括類似于多元線性回歸的多序列。

27）對(duì)于MA（移動(dòng)平均值）模型，對(duì) σ=1 和 θ=5 產(chǎn)生與對(duì) σ=25 和θ=1/5 相同的自協(xié)方差函數(shù)。

A）真 B）假

解決方案：（A）

正確，因?yàn)镸A模型的自協(xié)方差是可逆的

請(qǐng)注意，對(duì)于MA（1）模型，對(duì)于θ和1 /θ，ρ（h）相同。

28）通過查看下面的ACF和PACF圖，可以在時(shí)間序列中包括多少個(gè)AR和MA項(xiàng)？

A）AR（1）MA（0） B）AR（0）MA（1） C）AR（2）MA（1） D）AR（1）MA（2） E）不能判斷

解決方案：（B）

滯后1的強(qiáng)負(fù)相關(guān)表明MA只有1個(gè)顯著滯后。閱讀本文以獲得更好的理解。

• https://www.analyticsvidhya.com/blog/2015/12/complete-tutorial-time-series-modeling/

29）對(duì)于白噪聲，以下哪項(xiàng)是正確的？

A）均值= 0 B）自協(xié)方差為0 C）自協(xié)方差為0（零滯后除外 D）二次方差

解決方案：（C）

白噪聲過程必須具有恒定的均值，恒定的方差和無自協(xié)方差結(jié)構(gòu)（滯后零（方差）除外）。

30）對(duì)于以下MA（3）過程 y_t = μ + Ε_t + θ₁Ε_t-1 + θ₂Ε_t-2 + θ₃Ε_t-3 ，其中σ_t是方差為σ²的零均值白噪聲過程。

A）在滯后3時(shí)ACF = 0 B）在滯后5中ACF = 0 C）在滯后1中ACF = 1 D）在滯后2中ACF = 0 E）在滯后3和滯后5中ACF = 0

解決方案：（B）

回想一下，MA（q）過程僅具有長度為q的記憶。這意味著，所有自相關(guān)系數(shù)在滯后q以后的值為零。這可以通過檢查MA方程并看到只有過去的q個(gè)擾動(dòng)項(xiàng)進(jìn)入方程來看出。

因此，如果我們向前迭代此方程超過q個(gè)周期，則擾動(dòng)項(xiàng)的當(dāng)前值將不再影響y。由于滯后零的自相關(guān)函數(shù)是時(shí)間t處的y與時(shí)間t處的y的相關(guān)性（即y_t與自身的相關(guān)性），因此根據(jù)定義，滯后0處的自相關(guān)函數(shù)必須為1。

31）考慮下面的AR（1）模型，其擾動(dòng)項(xiàng)具有零均值和單位方差。y_t = 0.4 + 0.2 y_t-1 + u_t, y的（無條件）方差由____給出。

A）1.5 B）1.04 C）0.5 D）2

解決方案：（B）

擾動(dòng)的方差除以（1減去自回歸系數(shù)的平方）

在這種情況下為：1 /（1-（0.2 ^ 2））= 1 / 0.96 = 1.041

32）pacf（部分自相關(guān)函數(shù)）對(duì)于區(qū)分______是必需的。

A）AR和MA模型：錯(cuò)誤 B）AR和ARMA模型：正確 C）MA和ARMA模型：錯(cuò)誤 D）ARMA系列中的不同模型

解決方案：（B）

33）時(shí)間序列的二次差分可以幫助消除哪個(gè)趨勢(shì)？

A）二次趨勢(shì) B）線性趨勢(shì) C）A和B都是 D）以上都不是

解決方案：（A）

第一個(gè)差分表示為 xt = xt ?xt?1. (1)

如我們所見，第一個(gè)差分消除了線性趨勢(shì)。第二個(gè)差分（即（1）的差分）可以消除二次趨勢(shì)，依此類推。

34）以下哪種交叉驗(yàn)證技術(shù)更適合時(shí)間序列數(shù)據(jù)？

A）k-折交叉驗(yàn)證 B）留一法交叉驗(yàn)證 C）Stratified Shuffle Split交叉驗(yàn)證 D）前向鏈交叉驗(yàn)證

解決方案：（D）

時(shí)間序列是有序數(shù)據(jù)。因此，必須對(duì)驗(yàn)證數(shù)據(jù)進(jìn)行排序。前向鏈可確保這一點(diǎn)。其工作方式如下：

• fold 1：訓(xùn)練[1]，測(cè)試[2]

• fold 2：訓(xùn)練[1 2]，測(cè)試[3]

• fold 3：訓(xùn)練[1 2 3]，測(cè)試[4]

• fold 4：訓(xùn)練[1 2 3 4]，測(cè)試[5]

• fold 5：訓(xùn)練[1 2 3 4 5]，測(cè)試[6]

35）BIC比AIC更能懲罰復(fù)雜的模型。

A）真 B）假

解決方案：（A）

AIC = -2 * ln（likelihood）+ 2 * k，

BIC = -2 * ln（likelihood）+ ln（N）* k，

當(dāng)：

k = 模型自由度

N = 觀察數(shù)

在N相對(duì)較低時(shí)（7及以下），BIC比AIC更能容忍自由參數(shù)，但在N相對(duì)較高時(shí)則容忍度較低（因?yàn)镹的自然對(duì)數(shù)大于2）。

36）下圖顯示了n = 60個(gè)觀測(cè)值的時(shí)間序列的估計(jì)自相關(guān)和部分自相關(guān)。基于這些圖，我們應(yīng)該____.

A）通過獲取日志來轉(zhuǎn)換數(shù)據(jù) B）對(duì)序列求差分以獲取平穩(wěn)數(shù)據(jù) C）將MA（1）模型擬合到時(shí)間序列

解決方案：（B）

自相關(guān)顯示出確定的趨勢(shì)，而部分自相關(guān)顯示出波動(dòng)的趨勢(shì)，在這種情況下，采用對(duì)數(shù)是沒有用的。對(duì)序列求差分以獲得平穩(wěn)序列是唯一的選擇。

37-38

37）使用上面給出的估計(jì)指數(shù)平滑度，并預(yù)測(cè)接下來3年（1998-2000年）的溫度

這些結(jié)果總結(jié)了簡單指數(shù)平滑與時(shí)間序列的擬合。

A）0.2,0.32,0.6 B）0.33，0.33,0.33 C）0.27,0.27,0.27 D）0.4,0.3,0.37

解決方案：（B）

指數(shù)平滑的預(yù)測(cè)值在3年中都是相同的，因此我們所需要的只是明年的值。平滑的表達(dá)式是

smooth_t = α y_t + (1 – α) smooth _t-1

因此，對(duì)于下一個(gè)點(diǎn)，平滑的下一個(gè)值（下一個(gè)觀察的預(yù)測(cè)）為

smooth_n = α y_n + (1 – α) smooth _n-1

= 0.39680.43 + (1 – 0.3968) 0.3968

= 0.3297

38） 找出1999年氣溫預(yù)測(cè)的95%預(yù)測(cè)區(qū)間。

這些結(jié)果總結(jié)了簡單指數(shù)平滑對(duì)時(shí)間序列的擬合。

A）0.3297 2 * 0.1125 B）0.3297 2 * 0.121 C）0.3297 2 * 0.129 D）0.3297 2 * 0.22

解決方案：（B）

預(yù)測(cè)誤差的標(biāo)準(zhǔn)偏差為

1個(gè)周期為 0.1125

2個(gè)周期為 0.1125 sqrt(1+α2) = 0.1125 * sqrt(1+ 0.39682) ≈ 0.121

39）以下哪個(gè)陳述是正確的？

1. 如果ARIMA模型中的自回歸參數(shù)（p）為1，則表示序列中不存在自相關(guān)。

2. 如果ARIMA模型中的移動(dòng)平均成分（q）為1，則表示序列中具有滯后1的自相關(guān)

3. 如果ARIMA模型中的積分成分（d）為0，則意味著系列不是平穩(wěn)的。

A）僅1 B）1和2均 C）僅2 D）所有陳述

解決方案：（C）

自回歸分量：AR代表自回歸。自回歸參數(shù)由p表示。當(dāng)p = 0時(shí)，表示序列中不存在自相關(guān)。當(dāng)p = 1時(shí)，表示序列自相關(guān)到一個(gè)滯后。

積分：在ARIMA時(shí)間序列分析中，積分用d表示。積分是微分的倒數(shù)。

• 當(dāng)d = 0時(shí)，這意味著級(jí)數(shù)是平穩(wěn)的，我們不需要取其差。

• 當(dāng)d = 1時(shí)，這意味著該序列不是平穩(wěn)的，并且要使其平穩(wěn)，我們需要求第一差分。

• 當(dāng)d = 2時(shí)，表示序列需要二次差分。

• 通常情況下，兩個(gè)以上的差分是不可靠的。

移動(dòng)平均分量：MA表示移動(dòng)平均，用q表示。在ARIMA中，移動(dòng)平均q = 1表示它是一個(gè)誤差項(xiàng)，并且存在一個(gè)滯后的自相關(guān)。

40）在時(shí)間序列預(yù)測(cè)問題中，如果第1、2和3季度的季節(jié)指數(shù)分別為0.80、0.90和0.95。你對(duì)第四季度的季節(jié)性指數(shù)有何看法？

A）小于1 B）大于1 C）等于1 D）季節(jié)性不存在 E）數(shù)據(jù)不足

解決方案：（B）

由于有四個(gè)季度，所以季節(jié)指數(shù)必須總計(jì)為4。0.80 + 0.90 + 0.95 = 2.65，因此對(duì)于4的季節(jié)指數(shù)個(gè)季度必須是4-2.65 = 1.35，所以B是正確的答案。

到此，關(guān)于“機(jī)器學(xué)習(xí)中測(cè)試時(shí)間序列的問題有哪些”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！