Lightgbm 和sarima

LightGBM和SARIMA都是用于时间序列预测的算法，但它们的实现方式有所不同。

LightGBM是一个基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习框架，可以用于分类和回归任务。它的特点是速度快、准确率高、可扩展性强。在时间序列预测中，可以将历史时序数据作为训练集输入到LightGBM中，训练出一个预测模型，并用该模型对未来时序数据进行预测。

SARIMA（Seasonal Autoregressive Integrated Moving Average）是一种经典的时间序列预测模型，它基于时间序列数据的自回归（Autoregressive）、差分（Integrated）和移动平均（Moving Average）三个方面来进行建模，并考虑了季节性因素。在时间序列预测中，可以根据历史时序数据拟合一个SARIMA模型，并用该模型对未来时序数据进行预测。