粉丝服务

【干货书】时间序列算法导论:使用Python实现机器学习和深度学习技术

来源:专知

本文为书籍介绍,建议阅读5分钟

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

https://link.springer.com/book/10.1007/978-1-4842-8978-5?source=shoppingads&locale=en-us


本栏目精选

热门推荐

频道导航