forecasting_models 模块

一个模块，其中包含用于简单预测模型（Naive、SeasonalNaive、Average、SeasonalAverage）的定义。

类

Average	Average 预测模型通过结转训练数据中每个时序的目标值的平均值来进行预测。 对于给定的系列，当边际为 h 时的预测 hat{y}{T + h} 的计算公式为 hat{y}{T + h} = 1 / n * sum_{i=1}^{n} y_{T - i + 1}，其中 y 表示源自训练数据的目标值，n 表示训练序列的长度。
Naive	Naive 预测模型通过结转训练数据中每个时序的最新目标值来进行预测。 对于给定的系列，当边际为 h 时的预测 hat{y}{T + h} 的计算公式为 hat{y}{T + h} = y_{T}，其中 y 表示源自训练数据的目标值。
SeasonalAverage	Seasonal Average 预测模型通过结转训练数据中每个时序的最新数据季度的平均值进行预测。 对于给定的系列，当边际为 h 时的预测 hat{y}{T + h} 的计算公式为 hat{y}{T + h} = 1 / m * sum_{i=1}^{m} y_{T - i + 1}，其中 y 表示源自训练数据的目标值，m 表示季节性周期。 季节性周期是一个整数类型的超参数，默认情况下由系统自动进行检测，但也可以由用户手动进行设置。
SeasonalNaive	Seasonal Naive 预测模型通过结转训练数据中每个时序的最新季度的目标值来进行预测。 对于给定的系列，当边际为 h 时的预测 hat{y}{T + h} 的计算公式为 {T + h} = y_{T + h - m * (k + 1)}，其中 y 表示源自训练数据的目标值，m 表示季节性周期，k = floor((h - 1) / m)。 季节性周期是一个整数类型的超参数，默认情况下由系统自动进行检测，但也可以由用户手动进行设置。