数据科学实战手册（R+Python）（第2版）

第10章　预测新西兰的海外游客

本章包含以下主要内容。

• 创建时间序列对象。
• 可视化时间序列数据。
• 简单的线性回归模型。
• 自相关函数和局部自相关函数。
• ARIMA建模。
• 精确性评估。
• 拟合季节性ARIMA建模。

10.1　简介

对于大多数看重统计学或机器学习方法的人来说，天气预测、股票指数预测、销售预测等，都是他们感兴趣的常见问题。当然，他们的目的是使用可接受的准确性模型对接下来一段时间进行预测。天气预测有助于规划旅行，股票指数预测有助于投资计划，而销售预测则有助于制定最优的库存规划。一般来说，这3个问题的一个共同结构是，在相等时间间隔点上能够获取到观测值。这些观测值可能是每天、每周或每月获取的，我们将这些数据称作时间序列数据（time series data）。这些观测值是在过去很长一段时间内收集的，并且我们相信已经捕获到了该序列足够多的特征，以确保基于这些历史数据建立的分析模型具有可预测的能力，并且我们将可以获得相当准确的预测值。

时间序列数据的结构具有一些新的挑战性，并且无法使用本书前面讨论的方法对其进行分析。主要的挑战来自于这样一个事实，因为不能将我们定期获得的观测值视为相互独立的观测值。例如，连续几天的降雨取决于最近过去几天的情况，因为我们有一个逻辑信念，并且加上经验补充，所以明天的降雨强度取决于今天的降雨情况，今天是降雨或者是天气晴朗，将会造成不同的结果。如果一个人从概念上接受观察值并不是相互独立的这一观点，那么如何指定这种依赖关系呢？首先，我们考虑关于新西兰的海外游客数据。

去国外旅游总是很吸引人的，特别是假日旅行。对于任何一个国家的旅游部门来说，了解到他们国家旅游的海外游客趋势十分重要，这样就可以解决物流问题。还有很多其他的工作也与海外游客有关，例如，相关部门可能会有兴趣知道下个季度的访客将会增加还是减少。旅游部门需要考虑行业的各个方面，例如，是否每年游客数量都有增长？是否有季节性因素，比如夏季的旅行时间最长？ ...