說明：這是一個機器學(xué)習(xí)實戰(zhàn)項目（附帶數(shù)據(jù)+代碼+文檔+視頻講解），如需數(shù)據(jù)+代碼+文檔+視頻講解可以直接到文章最后獲取。

1.項目背景

時間序列分析中的平穩(wěn)性檢驗是評估一個時間序列是否具有穩(wěn)定的均值和方差。在經(jīng)濟學(xué)、金融學(xué)以及其他諸多領(lǐng)域中，對數(shù)據(jù)進行平穩(wěn)性檢驗是進行有效建模的前提條件，特別是對于使用ARIMA等模型進行預(yù)測時。

ADF檢驗（Augmented Dickey-Fuller Test）: ADF檢驗是一種常見的單位根檢驗方法，用于檢測時間序列是否存在單位根，即序列是否是非平穩(wěn)的。如果ADF檢驗結(jié)果顯示序列存在單位根，則說明序列是非平穩(wěn)的，可能需要通過一階或更高階差分來使其變?yōu)槠椒€(wěn)序列。adfuller函數(shù)通常被用來執(zhí)行這種檢驗，并返回統(tǒng)計量、臨界值以及檢驗結(jié)果的判定（如：拒絕原假設(shè)意味著序列不包含單位根，可能是平穩(wěn)的或趨勢平穩(wěn)的）。

KPSS檢驗（Kwiatkowski-Phillips-Schmidt-Shin Test）: KPSS檢驗則是另一種平穩(wěn)性檢驗的方法，它測試的是序列是否為水平平穩(wěn)序列，即檢驗序列是否存在恒定均值或者確定的趨勢。如果KPSS檢驗結(jié)果顯示序列是平穩(wěn)的，那么序列的均值和方差在時間上是相對固定的。當(dāng)KPSS檢驗結(jié)果拒絕原假設(shè)時，表明序列可能是非平穩(wěn)的，需要進一步處理（例如添加趨勢項或進行差分）。

總的來說，ADF和KPSS檢驗分別從不同的角度對時間序列平穩(wěn)性進行了評估，而差分去趨勢是一種將非平穩(wěn)序列轉(zhuǎn)化為平穩(wěn)序列的技術(shù)手段，以滿足后續(xù)分析模型對平穩(wěn)性的要求。

本項目通過ADF和KPSS算法來進行時間序列分析進行平穩(wěn)性檢驗和和差分去趨勢。???????????

2.數(shù)據(jù)獲取

本次建模數(shù)據(jù)來源于網(wǎng)絡(luò)(本項目撰寫人整理而成)，數(shù)據(jù)項統(tǒng)計如下：

編號	變量名稱	描述
1	YEAR
2	SUNACTIVITY

數(shù)據(jù)詳情如下(部分展示)：

3.數(shù)據(jù)預(yù)處理

3.1?用Pandas工具查看數(shù)據(jù)

使用Pandas工具的head()方法查看前五行數(shù)據(jù)：

關(guān)鍵代碼：

3.2 數(shù)據(jù)缺失查看

使用Pandas工具的info()方法查看數(shù)據(jù)信息：

??????

從上圖可以看到，總共有1個變量，數(shù)據(jù)中無缺失值，共309條數(shù)據(jù)。

關(guān)鍵代碼：

3.3?數(shù)據(jù)描述性統(tǒng)計

通過Pandas工具的describe()方法來查看數(shù)據(jù)的平均值、標準差、最小值、分位數(shù)、最大值。?

關(guān)鍵代碼如下： ???

??

4.探索性數(shù)據(jù)分析

4.1?變量直方圖

用Matplotlib工具的hist()方法繪制直方圖：

從上圖可以看到，變量主要集中在10~150之間。 ?

4.2 折線圖

從上圖中可以看到，數(shù)據(jù)有一定的波動性。

5.進行平穩(wěn)性檢驗(ADF和KPSS)?

主要使用ADF和KPSS算法，用于時間序列分析進行平穩(wěn)性檢驗(ADF和KPSS)和差分去趨勢。???????

5.1 構(gòu)建模型

編號	模型名稱	參數(shù)
1	平穩(wěn)性檢驗和差分去趨勢	默認參數(shù)

5.2?ADF檢驗結(jié)果

基于顯著性水平0.05和ADF檢驗的p值，原假設(shè)不能被否定。因此，該系列是非平穩(wěn)的。

5.3?KPSS檢驗結(jié)果

根據(jù)0.05的顯著性水平和KPSS檢驗的p值，有證據(jù)支持否定原假設(shè)，支持備選方案。因此，根據(jù) KPSS 測試，該系列是非平穩(wěn)的。

6.模型評估

6.1 差分去趨勢

進行差分后的折線圖：

6.2 ADF檢驗結(jié)果

根據(jù)ADF檢驗的p值，有證據(jù)支持否定原假設(shè)，支持備選方案。因此，該系列現(xiàn)在是平穩(wěn)的。

6.3 KPSS檢驗結(jié)果

基于KPSS檢驗的p值，原假設(shè)不能被否定。因此，該系列是平穩(wěn)的。

7.結(jié)論與展望

綜上所述，本文采用了ADF和KPSS算法來進行時間序列分析進行平穩(wěn)性檢驗和差分去趨勢，最終證明了我們提出的模型效果良好。此模型可用于日常產(chǎn)品的預(yù)測。?

# 本次機器學(xué)習(xí)項目實戰(zhàn)所需的資料，項目資源如下：# 項目說明：# 獲取方式一：# 項目實戰(zhàn)合集導(dǎo)航：https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2# 獲取方式二：鏈接：https://pan.baidu.com/s/1CE0c2btC0_0zxWTjwQuymA 
提取碼：d56i