17、时间序列预测与多因子模型分析

时间序列预测与多因子模型分析

1. 基于PyCaret的时间序列预测

1.1 PyCaret简介

PyCaret是一个开源的低代码机器学习库，旨在自动化机器学习工作流程。它最初用于经典的回归和分类任务，现在也有专门的时间序列模块。该库是多个流行机器学习库和框架的包装器，其时间序列模块基于sktime的功能构建。

1.2 预测美国失业率的步骤

1.2.1 准备工作

使用之前使用过的数据集，可在相关资料中找到下载和准备时间序列的更多信息。

1.2.2 具体步骤

1. 导入库

from pycaret.datasets import get_data
from pycaret.time_series import TSForecastingExperiment

2. 设置实验

exp = TSForecastingExperiment()
exp.setup(df, fh=6, fold=5, session_id=42)

执行上述代码后，库会自动将最后6个观测值作为测试集，并识别出提供的时间序列中的月度季节性。

3. 可视化探索时间序列