Time Series 简明教程
Time Series - Parameter Calibration
Introduction
任何统计或机器学习模型都有一些参数，这些参数极大地影响对数据的建模方式。例如，ARIMA 具有 p、d、q 值。这些参数将被决定，使得实际值和建模值之间的误差最小。参数校准被称为模型拟合中最关键和最耗时的任务。因此，为我们选择最优参数非常重要。
Methods for Calibration of Parameters
有各种方式校准参数。本节将详细讨论其中一些。
Hit-and-try
一种常见的校准模型的方法是手动校准，你在其中首先可视化时间序列，直观地尝试一些参数值并反复更改它们，直到达到足够好的拟合。它要求对我们尝试的模型有一个很好的理解。对于 ARIMA 模型，手工校准是借助自相关图来进行“p”参数、偏自相关图来进行“q”参数和 ADF 测试来确认时间序列的平稳性和设定“d”参数。我们将在接下来的章节中详细讨论所有这些。