Py數據基礎及實戰 14_第1頁
Py數據基礎及實戰 14_第2頁
Py數據基礎及實戰 14_第3頁
Py數據基礎及實戰 14_第4頁
Py數據基礎及實戰 14_第5頁
已閱讀5頁，還剩8頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

基于TipDM大數據挖掘建模平臺實現金融服務機構資金流量預測步驟和流程在TipDM大數據挖掘建模平臺上配置金融服務機構資金流量預測實訓的總體流程。步驟和流程在TipDM大數據挖掘建模平臺上進行配置的總體流程。步驟和流程流程與步驟如下。數據源配置屬性構造數據篩選周期性差分序列檢驗分析與建模TipDM大數據挖掘建模平臺平臺網址：/數據源配置本章的數據為一份資金流數據CSV文件，文件名為“user_balance_table”，將其導入TipDM大數據挖掘建模平臺的步驟如下。新增數據集新建工程配置【輸入源】組件屬性構造原始數據是以單個用戶每天的信息作為一條記錄，而時間序列預測輸入的數據形式是每天的總資金流入量，因此要將原始數據進行如下式的轉換。其中，nk表示第K天的用戶數量。屬性構造對數據進行轉換，然后查看經過分組聚合后的數據總體的分布情況和平穩性情況，步驟如下。配置【分組聚合】組件配置【折線圖】組件配置【自相關圖】組件數據篩選基于探索結果，決定選取2024年3月至2024年7月的數據作為模型訓練數據，以及選取2024年8月的數據作為模型測試數據，并查看數據的分布情況和平穩性情況，步驟如下。配置【數據篩選】組件配置【折線圖】組件配置【自相關圖】組件周期性差分對資金流量以7天為周期做一階差分，并數據的分布情況和平穩性情況，步驟如下。配置【差分】組件配置【折線圖】組件配置【時序圖】組件序列檢驗對2024年3月1日后的資金流量數據采用單位根檢驗的方法進行平穩性檢驗，以及對2024年3月1日后的資金流量數據進行白噪聲檢驗，步驟如下。配置【平穩性檢驗】組件配置【白噪聲檢驗】組件分析與建模在對通過平穩性檢驗和白噪聲檢驗的數據建立ARIMA模型之前，需要確定模型的階數，采用BIC準則進行定階，然后對時間序列模型的殘差進行檢驗，最后采用3個衡量模型預測精度的統計量指標（平均絕對誤差、均方根誤差、平均絕對百分誤差）對模型進行評價，步驟如下。配置【模型定階】組件配置【模型殘差檢驗】組件配置【ARIMA】組件小結本章介紹了如何在TipDM大數據挖掘建模平臺上配置金融服務機構資金流量預測實訓，從獲取數據到數據預處理，最后到數據建模，展示了平臺流程化的思維，加深了讀者對數據分析流程的理解。同時，

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論