python构建指数平滑预测模型示例

python构建指数平滑预测模型示例构建指数平滑预测模型示例

今天小编就为大家分享一篇python构建指数平滑预测模型示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

指数平滑法指数平滑法

其实我想说自己百度的…

只有懂的人才会找到这篇文章…

不懂的人…看了我的文章…还是不懂哈哈哈

指数平滑法相比于移动平均法，它是一种特殊的加权平均方法。简单移动平均法用的是算术平均数，近期数据对预测值的影响比远期数据要大一些，而且越

近的数据影响越大。指数平滑法正是考虑了这一点，并将其权值按指数递减的规律进行分配，越接近当前的数据，权重越大；反之，远离当前的数据，其权

3.matplotlib

4.国家社科基金1995-2015年立项数据

需求需求

预测2016年和2017年国家社科基金项目立项数量

数据数据

#year time_id number

1994 1 10

1995 2 3

1996 3 27

1997 4 13

2004 11 36

2005 12 40

2006 13 58

2007 14 51

2008 15 73

2009 16 80

2010 17 106

2011 18 127

2012 19 135

2013 20 161

# @Language : Python3.5

import numpy as np

from matplotlib import pyplot as plt

#指数平滑公式

def exponential_smoothing(alpha, s):

s2 = np.zeros(s.shape)

s2[0] = s[0]

for i in range(1, len(s2)):

s2[i] = alpha*s[i]+(1-alpha)*s2[i-1]

return s2

plt.plot(new_year[1:], s_pre_triple[2:],color='green', label="triple predicted value")#将三次指数平滑法计算的预测值的折线设置为绿色

plt.legend(loc='lower right')#显示图例的位置，这里为右下方

plt.title('Projects')

plt.xlabel('year')#x轴标签

plt.ylabel('number')#y轴标签

plt.xticks(new_year)#设置x轴的刻度线为new_year

plt.show()

def main():

alpha = .70#设置alphe，即平滑系数