时间序列分析（AR）及API Post 案例

Time Series Prediction and API Demo

本工作流程构建了一个自回归模型，用于预测能源使用量。首先选取合适的 Cluster，然后使用时间序列的第一周被用作季节性校正的模板：通过将当前数值减去前一周相同小时的数值，对数据进行差分处理。再回推（lag）前值，来预测过程中仅使用过去的时间序列数据，不使用其他外部时间序列或数据。回归模型可以是线性回归模型或多项式回归模型。其中的抽样是从前面90%的数据来预测最后10%的数据，并且展示最后的预测结果和模型准确度。

之后将数据用 API-POST 方式推送到远程系统，这边使用 webhook.site 来作为测试。可以打开网站来观察结果。

本案例是基于：
01_Energy_Usage_Time_Series_Prediction

感谢。。

External resources

• Energy Usage Prediction (Time Series Prediction)
• All you need is ... the Lag Column Node!
• The Lag Column Node: The Key to Time Series Analysis