本书以问题解决式的方法讲解如何实际实现Python时间序列分析和建模的各种概念,从数据读取和预处理开始

本章首先介绍使用AR(自回归)、MA(移动平均)、ARMA(自回归移动平均)和ARIMA(自回归综合移动平均)等统计建模方法进行时间序列预测的基本原理。接下来,您将学习使用不同的开源包(如fbprophet、stats model和sklearn)进行单变量和多变量建模。您还将深入了解用于预测问题的经典基于机器学习的回归模型,如randomForest、Xgboost和LightGBM。本书最后演示了用于时间序列预测的深度学习模型(lstm和ANN)的实现。每一章都包含一些代码示例和说明。

读完本书后,你将对时间序列及其在Python中的实现有一个基本的理解。 你将学到什么 * 使用Python实现时间序列分析中的各种技术。 * 利用统计建模方法,如AR(自回归),MA(移动平均),ARMA(自回归移动平均)和ARIMA(自回归综合移动平均)进行时间序列预测 * 理解时间序列预测的单变量和多变量模型 * 使用机器学习和深度学习技术(如GBM和LSTM (long short-term memory))进行预测

成为VIP会员查看完整内容
95

相关内容

时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同,时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
【2022新书】应用Python进行时间序列分析与预测,377页pdf
专知会员服务
136+阅读 · 2022年11月3日
【干货书】用于数据科学分析和预测的时间序列,529页pdf
专知会员服务
116+阅读 · 2022年10月10日
【干货书】机器学习的金融风险管理与Python,194页pdf
专知会员服务
109+阅读 · 2022年7月1日
【干货书】数据科学家统计学基础:R和Python实战,486页pdf
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
用Python实现流行机器学习算法
Python程序员
19+阅读 · 2018年12月31日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
11+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年2月27日
Arxiv
19+阅读 · 2018年6月27日
Arxiv
15+阅读 · 2018年2月4日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
11+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员