代码

为Twitter构建事件提取和趋势框架 这是我在大会上沉浸于数据科学领域的顶峰项目。 在这个项目中，我的目标是： 设置实时数据收集流程和数据基础架构 检查收集的推文上的不同自然语言处理工具 根据相似度比较创建A | B测试模型 使用时间序列建模来捕捉趋势 调整超参数以改进模型 要测试我的框架： 我通过使用TwitterStream API收集并清理了超过150万条推文 /lib/get_tweets.py 创建计划的和按需的LSA处理以进行文本替换 /ipynb/01_Fit_

salesPredict ARIMA模型简介 ARIMA模型提供了基于时间序列理论，对数据进行稳定化处理（AR和MA过程），模型定阶（自动差分过程），参数估计，建立模型，可以进行模型进行检验。在Python中statsmodel提供了完整的的解决方案，包括窗口选择，自动定阶和稳定性检测等等算法。 预测策略 这样的好处是，月上旬和中旬的实际销量可以作为先验知识，提高模型预测的准确率。 环境 Windows 10 Python 3.6.5 依赖包 pip install -r requiremen