python中的噪聲是什么意思

白噪聲是時間序列預(yù)測中的一個重要概念。如果一個時間序列是白噪聲，它是一個隨機(jī)數(shù)序列，不能預(yù)測。如果預(yù)測誤差不是白噪聲，它暗示了預(yù)測模型仍有改進(jìn)空間。

創(chuàng)新互聯(lián)專注于浮梁企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站設(shè)計(jì),商城網(wǎng)站建設(shè)。浮梁網(wǎng)站建設(shè)公司,為浮梁等地區(qū)提供建站服務(wù)。全流程按需制作網(wǎng)站，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)

什么是白噪聲時間序列？

時間序列可能是白噪聲。時間序列如果變量是獨(dú)立的且恒等分布的均值為0，那么它是白噪聲。這意味著所有變量具有相同的方差 (sigma^2)，并且每個值與該系列中的所有其他值具有零相關(guān)。

如果序列中的變量被高斯分布繪制，則該系列稱為高斯白噪聲。

為什么這么重要？

白噪聲是時間序列分析和預(yù)測中的一個重要的概念。

重要的兩個主要原因?yàn)椋?/p>

1.可預(yù)測性：如果你的時間序列是白噪聲，那么根據(jù)定義它是隨機(jī)的。你無法對它合理的建模并進(jìn)行預(yù)測。

2.模型診斷：時間序列上一系列誤差的預(yù)測模型最好是白噪聲。

模型診斷是時間序列預(yù)測的重要領(lǐng)域。

時間序列數(shù)據(jù)在潛在的因素產(chǎn)生的信號上被預(yù)測，它包含一些白噪聲成分。

例如：

y(t)= signal(t)+ noise(t)

通過時間序列預(yù)測模型進(jìn)行預(yù)測，可以對其進(jìn)行收集和分析。在理想情況下，預(yù)測誤差應(yīng)該是白噪聲。

當(dāng)預(yù)測誤差為白噪聲時，意味著時間序列中的所有信號已全部被模型利用進(jìn)行預(yù)測。剩下的就是無法建模的隨機(jī)波動。

模型預(yù)測的信號不是白噪聲則表明可以進(jìn)一步對預(yù)測模型改進(jìn)。

你的時間序列白噪音嗎?

你的時間序列如果符合下面條件則不是白噪聲:

你的序列均值為零嗎?

方差隨時間變化嗎?

值與延遲值相關(guān)嗎?

你可以用一些工具來檢查你的時間序列是否為白噪音:

創(chuàng)建一個折線圖。檢查總體特征，如變化的平均值，方差或延遲變量之間的明顯關(guān)系。

計(jì)算匯總統(tǒng)計(jì)。對照序列中有意義的連續(xù)塊的均值和方差，檢查整個序列的均值和方差(如年、月、日)。

創(chuàng)建一個自相關(guān)的圖。檢查延遲變量之間的總體相關(guān)性。

白噪聲時間序列的例子

在本節(jié)中,我們將使用Python創(chuàng)建一個高斯白噪聲序列并做一些檢查。它有助于在實(shí)踐中創(chuàng)建和評估白噪聲時間序列。它將提供參考框架和示例圖并且使用和比較自己的時間序列項(xiàng)目的統(tǒng)計(jì)測試，以檢查它們是否為白噪聲

首先，我們可以使用隨機(jī)模塊的gauss()函數(shù)創(chuàng)建一個1,000個隨機(jī)高斯變量的列表。

我們將從高斯分布提取變量：平均值(mu)0.0和標(biāo)準(zhǔn)偏差(sigma)1.0。

一旦創(chuàng)建,為方便起見，我們可以在Pandas序列中打包這個列表。

from randomimport gaussfrom randomimport seedfrom pandasimport Seriesfrom pandas.tools.plottingimport autocorrelation_plot

# seed random number generatorseed(1)# create white noise series

series= [gauss(0.0,1.0)for iin range(1000)]series= Series(series)

接下來，我們可以計(jì)算和打印一些匯總統(tǒng)計(jì)數(shù)據(jù)，包含序列的平均值和標(biāo)準(zhǔn)偏差。

# summary statsprint(series.describe())

鑒于我們在繪制隨機(jī)數(shù)時定義了平均值和標(biāo)準(zhǔn)偏差，所以應(yīng)該不會有意外。

count ? 1000.000000mean ? ? ?-0.013222std ? ? ? ?1.003685min ? ? ? ?-2.96121425% ? ? ? ?-0.68419250% ? ? ? ?-0.01093475% ? ? ? ? 0.703915max ? ? ? ? 2.737260

我們可以看到平均值接近0.0，標(biāo)準(zhǔn)偏差接近1.0?？紤]到樣本較小預(yù)測會有些誤差。

如果我們有更多的數(shù)據(jù)，將序列分成兩半計(jì)算和比較每一半的匯總統(tǒng)計(jì)可能會更有趣。我們認(rèn)為每個子系列的平均值和標(biāo)準(zhǔn)差都會相似。

現(xiàn)在我們可以創(chuàng)建一些序列的線條圖。

# line plot

series.plot()pyplot.show()

我們可以看到，這個序列似乎是隨機(jī)的。

我們還可以創(chuàng)建直方圖，并確認(rèn)分布是高斯分布。

# histogram plot

series.hist()pyplot.show()

事實(shí)上，直方圖顯示了典型的鐘形曲線。

最后，我們可以創(chuàng)建一個自相關(guān)圖并檢查延遲變量的所有自相關(guān)。

# autocorrelationautocorrelation_plot(series)pyplot.show()

自相關(guān)圖沒有顯示任何顯著的自相關(guān)特征。在峰值時可信度達(dá)在95％和99％，但這只是統(tǒng)計(jì)的偶然情況。

為了完整性，下面提供了完整的代碼清單。

from randomimport gaussfrom randomimport seedfrom pandasimport Seriesfrom pandas.tools.plottingimport autocorrelation_plotfrom matplotlibimport pyplot

# seed random number generatorseed(1)# create white noise series

series= [gauss(0.0,1.0)for iin range(1000)]series= Series(series)# summary statsprint(series.describe())# line plot

series.plot()pyplot.show()# histogram plot

series.hist()pyplot.show()# autocorrelationautocorrelation_plot(series)pyplot.show()

原文：網(wǎng)頁鏈接

random函數(shù)怎么用？

在python語言中，random函數(shù)生成隨機(jī)數(shù)，根據(jù)不同的方法生成不同范圍的隨機(jī)數(shù)。那么random函數(shù)具體怎么使用，操作方法如下。

1、首先在打開的軟件中，random.random()：返回一個隨機(jī)數(shù)，范圍是0到1之間。

2、random.uniform()：在指定范圍內(nèi)，生成隨機(jī)數(shù)，一個是下限，另一個是上限。

3、random.randint()：生成指定范圍內(nèi)的整數(shù)，開始數(shù)和結(jié)束數(shù)。

4、最后使用?random.randrange()：在指定范圍內(nèi)，按指定基數(shù)遞增的集合中獲得一個隨機(jī)數(shù)，這樣就完成了。

randint在python中的意思

python中的randint用來生成隨機(jī)數(shù)，在使用randint之前，需要調(diào)用random庫。其表達(dá)是為random.randint(x,y)，參數(shù)x和y代表生成隨機(jī)數(shù)的區(qū)間范圍。

random() 函數(shù)命名來源于英文單詞random（隨機(jī)）。randint是random + integer拼接簡寫而成，代表隨機(jī)一個整數(shù)。

Python標(biāo)準(zhǔn)庫中的random函數(shù)，可以生成隨機(jī)浮點(diǎn)數(shù)、整數(shù)、字符串，甚至幫助你隨機(jī)選擇列表序列中的一個元素，打亂一組數(shù)據(jù)等。

函數(shù)randint的使用

1、OUT = RANDINT

產(chǎn)生一個“ 0 ”或“ 1 ”等概率。

2、OUT = RANDINT(M)

生成的M 矩陣的隨機(jī)二進(jìn)制數(shù)字，“ 0 ”和“ 1 ”出現(xiàn)的概率均等。

3、OUT = RANDINT(M,N)

生成的（M,N) 矩陣的隨機(jī)二進(jìn)制數(shù)字,“ 0 ”和“ 1 ”出現(xiàn)的概率均等。

4、OUT = RANDINT(M,N,RANGE)

生成的(M,N) 矩陣的隨機(jī)二進(jìn)制數(shù)字，RANGE范圍可以是標(biāo)量或向量。

標(biāo)量：為正的話，取值為[0,RANGE-1] ，為負(fù)的話，取值為 [RANGE+1, 0]。

向量：取值為[RANGE(1), RANGE(2)]。

5、OUT = RANDINT(M,N,RANGE,STATE)

resets the state of RAND to STATE。

分享標(biāo)題：python隨機(jī)噪聲函數(shù) python 白噪聲
分享地址：http://m.rwnh.cn/article46/doopdhg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供手機(jī)網(wǎng)站建設(shè)、自適應(yīng)網(wǎng)站、網(wǎng)站導(dǎo)航、網(wǎng)站維護(hù)、域名注冊、定制網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)