![](https://img-blog.csdnimg.cn/20190918140129601.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
数据变换分解
文章平均质量分 74
数据变换分解
优惠券已抵扣
余额抵扣
还需支付
¥259.90
¥399.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
前程算法屋
数据分析与算法实践 在此声明,本人与其他账号没有任何关联,凡是打着本人旗号的其他任何人本人概不负责,谢谢
展开
-
锂电池剩余使用寿命预测(RUL) | 基于CEEMDAN-RF-SED-LSTM的锂电池寿命预测(Python)
锂电池剩余使用寿命预测(RUL) | 基于CEEMDAN-RF-SED-LSTM的锂电池寿命预测(Python)原创 2024-01-24 10:54:32 · 512 阅读 · 0 评论 -
数据特征工程 | Python实现特征工程之缺失值填充
数据特征工程 | Python实现特征工程之缺失值填充目录数据特征工程 | Python实现特征工程之缺失值填充基本介绍程序设计数据统计缺失填补总结参考资料基本介绍Pandas中缺失值填充的技巧:填充具体数值,通常是0;填充某个统计值,比如均值、中位数、众数等;填充前后项的值;基于SimpleImputer类的填充;基于KNN算法的填充程序设计数据统计import pandas as pdimport numpy as npdf = pd.DataFrame({ "原创 2022-05-23 13:08:05 · 196 阅读 · 0 评论 -
时间序列分析 | Python时序数据治理及应用场景分析
时间序列分析 | Python时序数据治理及应用场景分析目录时间序列分析 | Python时序数据治理及应用场景分析基本介绍数据特点应用挑战应用场景难点分析学习总结参考资料基本介绍时序数据是指时间序列数据。是按时间顺序记录的数据列,在同一数据列中的各个数据必须是同口径的,要求具有可比性。时序数据可以是时期数,也可以时点数。时序数据管理主要通过对时序数据的采集、处理和分析帮助企业实时监控企业的生产与经营过程。时序数据在应用上特点也很明显,比如数据往往只保留一定时长,需要做降频采样、插值、实时计算、原创 2022-05-27 16:12:00 · 569 阅读 · 0 评论 -
时间序列分析 | Python实现时间序列统计分析与建模
时间序列分析 | Python实现时间序列统计分析与建模目录时间序列分析 | Python实现时间序列统计分析与建模基本介绍数据准备程序设计学习总结参考资料基本介绍本文介绍时间序列Python基本操作、统计分析、时间序列分解与随机游走、统计建模分析。数据准备Google Stocks Data:提供了长达十三年的股票数据。时间粒度精确到天,提供了每个股票每天的最高价,最低价格以及开盘价格等信息。Humidity in different world cities:提供了世界各地各个城市的大原创 2022-05-27 16:53:50 · 2249 阅读 · 0 评论 -
数据特征工程 | Python实现经济数据时序特征相关系数稳定性分析
数据特征工程 | Python实现经济数据时序特征相关系数的稳定性分析目录数据特征工程 | Python实现经济数据时序特征相关系数的稳定性分析基本介绍程序设计参考资料基本介绍在时序中,特征也许是具有时效性的,比如在某些市场环境下,股票的收益更看重公司的市盈率,另外的行情时,有看重换手率。本质上,可以反映为:在时间上,特征与目标变量之间相关性的不稳定,为此,我们能做一些相关性分析,帮我们找到这些时间上不稳定的特征,剔除它们,并让模型更加鲁棒。程序设计#---------------------原创 2022-05-27 17:24:21 · 358 阅读 · 0 评论 -
数据特征工程 | Python实现CatBoost特征处理及选择
数据特征工程 | Python实现CatBoost特征处理及选择原创 2022-07-28 17:22:49 · 1248 阅读 · 1 评论 -
数据特征工程 | Python实现时间序列数据特征提取
数据特征工程 | Python实现时间序列数据特征提取原创 2022-08-20 19:40:26 · 886 阅读 · 0 评论 -
数据变换分解 | Python实现小波变换数据分解
数据变换分解 | Python实现小波变换数据分解原创 2023-07-14 11:10:12 · 398 阅读 · 0 评论 -
时间序列分析 | Python实现时间序列预测(LR、Dense、CNN、LSTM)
时间序列分析 | Python实现时间序列预测(LR、Dense、CNN、LSTM)原创 2023-02-01 18:29:18 · 1403 阅读 · 0 评论 -
时间序列分析 | Python实现Transformers时间序列预测时间序列预测(Exponential Smoothing Transformers)
时间序列分析 | Python实现Transformers时间序列预测时间序列预测(Exponential Smoothing Transformers)原创 2023-01-12 18:04:11 · 1101 阅读 · 0 评论 -
时间序列分析 | Python实现Tsprial时间序列特征提取
时间序列分析 | Python实现Tsprial时间序列特征提取原创 2022-10-20 22:27:02 · 791 阅读 · 0 评论 -
时间序列分析 | Python实现SSA奇异谱时间序列分解(分解为周期序列和趋势序列的和)
时间序列分析 | Python实现SSA奇异谱时间序列分解(分解为周期序列和趋势序列的和)原创 2022-10-17 19:02:33 · 1577 阅读 · 0 评论 -
数据变换分解 | Python实现时间序列动态模态分解
数据变换分解 | Python实现时间序列动态模态分解原创 2022-09-04 20:28:33 · 1312 阅读 · 0 评论 -
数据变换分解 | Python实现EOF经验正交函数分解时间序列模态分析
数据变换分解 | Python实现EOF经验正交函数分解时间序列模态分析原创 2022-08-21 18:14:37 · 2212 阅读 · 0 评论 -
Python编程基础 | Python编程基础异常和错误处理
Python编程基础 | Python编程基础异常和错误处理原创 2022-07-29 21:55:27 · 104 阅读 · 0 评论 -
时间序列分解 | Python实现奇异谱分析(SSA)分解时间序列
时间序列分析 | Python实现时序周期可视化目录时间序列分析 | Python实现时序周期可视化基本介绍分解描述算法步骤程序设计参考资料基本介绍时间序列分解是时序分析中的重要方法,广泛应用于时间序列预测,时间序列异常检测,时间序列聚类等场景,在工业界有很多的落地应用。分解描述一个时间序列往往是以下几类变化形式的叠加或耦合:长期趋势(Secular trend, T):长期趋势指现象在较长时期内持续发展变化的一种趋向或状态。季节变动(Seasonal Variation, S原创 2022-05-27 15:48:32 · 2358 阅读 · 0 评论