python - ML 技术在数据中的时间序列趋势中寻找模式 (Python)
问题描述
我有涵盖 5 年期间(20 个季度)的季度时间序列数据。该数据被分成许多行(> 1000)。我想做的是看看这些行是否有任何基于它们随时间的增长率的自然分组。
例如,它们是否可以聚集成不同“形状”的趋势线(例如,可能有一组有 2 年的平线增长,然后是 3 年的持续增长,另一组在 5 年内持续下降) . 有什么方法可以使用无监督的 ML 模型来做到这一点?
抱歉,如果这个问题是基本的/不清楚的 - 我对 ML 技术不是很熟悉
谢谢!
解决方案
推荐阅读
- python - RuntimeError: 期望一个 Torch.FloatTensor 类型的张量,但为序列元素找到了一个类型 torch.IntTensor
- android - 将 Android OpenGL 过滤器重写为 Metal(用于 CIFilter)
- c++ - 使用类参数化函数并访问类成员
- javascript - Jquery——我该如何改变
- c# - C#使用SQLBulkCopy或等效库高效批量删除50000条记录
- javascript - 如何将回调函数数据显示到 HTML 页面中
- python - 如何在 tkinter 中使用 after 更改窗口几何形状?
- vue.js - 如何修复我的价格以显示在 vue 中的 java 中的“Pris:”上?
- node.js - 如何在 Node.js 中修改其参数是源流的一部分的转换流
- node.js - 无法在键为数字的 MongoDB 文档中引用键/值对