【Manning新书】Python时间序列预测，手把手教你实战时序建模

最新推荐文章于 2023-03-08 20:57:30 发布
最新推荐文章于 2023-03-08 20:57:30 发布
阅读量442 收藏
点赞数
文章标签： python 机器学习 人工智能 大数据 深度学习
原文链接：https://mp.weixin.qq.com/s?__biz=MzI1MjQ2OTQ3Ng==&mid=2247580843&idx=3&sn=c608a3f150992519d01d4c4c499fa376&chksm=e9e0b520de973c36b1f9b18e036fc9526b5910e13598f489e312e37d3a54a0ab0538438cd1e3&scene=126&&sessionid=0
版权

445b5ff43def73cdb09356cb874d346a.png

来源：专知
本文为书籍介绍，建议阅读5分钟学习本书后，您将准备好使用Python生态系统中的工具构建准确和有洞察力的预测模型。

f254c54e62e069cbe399297225ac81c2.png

从数据中的基于时间的模式构建预测模型。掌握统计模型，包括时间序列预测的新的深度学习方法。Python中的时间序列预测将教你从基于时间的数据构建强大的预测模型。你创建的每个模型都是相关的，有用的，并且很容易用Python实现。您将探索有趣的真实世界数据集，如谷歌的每日股票价格和美国的经济数据，快速从基础发展到使用深度学习工具(如TensorFlow)开发大规模模型。Python中的时间序列预测(Time Series Forecasting)将教你应用时间序列预测并获得即时的、有意义的预测。您将学习时间序列预测的传统统计和新的深度学习模型，所有这些都用Python源代码充分说明。通过亲身参与预测航空旅行、药物处方量和强生公司(Johnson & Johnson)收入的项目来测试你的技能。学习本书后，您将准备好使用Python生态系统中的工具构建准确和有洞察力的预测模型。

https://www.manning.com/books/time-series-forecasting-in-python-book

时间序列预测 简短的内容

第1章: 理解时间序列预测

第2章: 对未来的天真预测

第3章: 随机游走

第4章:移动平均过程的建模

第5章:自回归过程的建模

第6章:复杂时间序列的建模

第7章:非平稳时间序列的预测

第8章：季节性解释 

第9章:在我们的模型中加入外部变量

af8c133f1b59c9d8ad956b3aab941488.png39735afaf911ac0fd93ebaf96bccd47c.png

2f43bb816ac6bb565218cf568902797c.png

dabdcf890bed270d59e1ea8048327442.png

数据派THU
关注
Introduction to Time Series Forecasting in Python
AI天才研究院
10-13 592
作者：禅与计算机程序设计艺术 1.背景介绍 时间序列预测是机器学习领域的一项重要任务。它可以应用于各种领域，包括金融、经济和环境等领域。 本文将介绍Python中时间序列预测的相关知识和工具。主要包括以下几个方面： 时序数据的基本概念和形式
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7145
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
Python时间序列预测，458页pdf手把手教你实战时序建模
weixin_36896856的博客
09-06 1440
从数据中的基于时间的模式构建预测模型。掌握统计模型，包括时间序列预测的新的深度学习方法。Python中的时间序列预测将教你从基于时间的数据构建强大的预测模型。你创建的每个模型都是相关的，有用的，并且很容易用Python实现。您将探索有趣的真实世界数据集，如谷歌的每日股票价格和美国的经济数据，快速从基础发展到使用深度学习工具(如TensorFlow)开发大规模模型。Python中的时间序列预测(Ti...
python时间序列分析
weixin_30311605的博客
06-14 4881
题记：毕业一年多天天coding，好久没写paper了。在这动荡的日子里，也希望写点东西让自己静一静。恰好前段时间用python做了一点时间序列方面的东西，有一丁点心得体会想和大家分享下。在此也要特别感谢顾志耐和散沙，让我喜欢上了python。 什么是时间序列 时间序列简单的说就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预测未来的值。在这里需...
用 Python 进行时间序列分析与预测.pdf
08-17
引言 本文主要利用 Python 进行时间序列分析常见算法的运算和展示。系统得介绍了时间序列分 析常见算法（AR、MA、ARMA、ARIMA、SARIMA、ARCH、GARCH）及其之间的联系与区别。时间 序列分析试图理解过去并预测未来。通过时间序列分析技术，我们可以更好地了解已经发生 的事情，并对未来做出更好，更有利的预测。 基础 时间序列是按时间顺序索引（列出或绘制图形）的一系列数据点。 平稳性是我们关注的重点。平稳的时间序列易于预测，因为我们可以假设未来的统计属性与 当前的统计属性相同或成比例。我们在时间序列分析中使用的大多数模型都假设协方差平稳 性。这意味着这些模型预测的描述性统计量（例如均值，方差和相关性）仅在时间序列稳定 时才是可靠的，否则就无效。 我们一般遇到的大多数时间序列并不是固定不变的。因此，时间序列分析需要我们确定要预 测的序列是否平稳，如果不是，我们必须找到方法对其进行变换以使其平稳（比如差分）。 自相关：本质上，当我们对时间序列建模时，我们将序列分解为三个部分：趋势，季节性/ 周期性和随机性。随机分量称为残差或误差。这只是我们的预测值和观察值之间的差异。序
Deep Time Series Forecasting with Python.pdf
03-11
Deep Time Series Forecasting with Python. 使用深度学习技术进行时间序列回归预测
python 时间序列预测_使用Python进行动手时间序列预测
weixin_26713521的博客
08-07 2162
python 时间序列预测Time series analysis is the endeavor of extracting meaningful summary and statistical information from data points that are in chronological order. They are widely used in applied science...
机器学习与深度学习资料
Jason Ding的专栏
04-23 4552
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深
机器学习(Machine Learning)&深度学习(Deep Learning)资料
热门推荐
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
第1175期机器学习日报(2017-12-06)
ai100_ml的博客
12-12 1848
机器学习日报 2017-12-06 2017 CV 技术报告之图像分割、超分辨率和动作识别 @机器之心Synced腾讯优图沈小勇：ICCV 2017 一键卸妆 ; 视频超分辨率论文详解 @wx:Non斯坦福：2017年人工智能指数报告 @南京轻搜可视化语音分析：深度对比Wavenet、t-SNE和PCA等算法 @机器之心Synced梯度下降优化算法综述 @新智元 @好东西传送门 出品,由@AI10
time-series-forecasting-with-python:以用例为中心的教程，使用python进行时间序列预测
05-04
:hourglass_not_done: 时间序列预测Wiki 该存储库包含一系列在处理时间序列时经常使用的分析，转换和预测模型。 该存储库的目的是展示如何从头开始对时间序列进行建模，为此，我们使用了一个真实的用例数据集（以避免此类教程中经常出现的完美的用例远离现实）。您想重新运行笔记本，请确保您安装了所有必要的依赖项， 您可以在主上找到更详细的目录 :open_file_folder: 数据集 使用的数据集为公开数据集。 该数据集包含从2014年到2019年每10分钟采样的污染数据以及额外的天气特征（如压力保证，温度等）。我们决定以每天一次的频率对数据集进行重新采样，以简化数据处理并接近实际用例场景（没有人）将建立一个模型来预测污染提前10分钟，提前1天看起来更现实）。 在这种情况下，该系列已经处于固定状态，并具有一些小的季节性，每年都会变化#MORE ONTHIS 为了获得本教程中使用的数据集的精确副本，请在datasets/download_da
Modern Time Series Forecasting with Python, 2nd Edition (Expert Insight) .pdf
最新发布
02-26
Joseph Manu, Tackes Jeffrey - Modern Time Series Forecasting with Python, 2nd Edition (Expert Insight) .pdf
arima的matlab代码-Introduction-to-Time-Series-forecasting-Python:使用带有预测评估的
06-02
arima的matlab代码时间序列预测 Python 简介 使用 AR、MA、ARMA、ARIMA、SARIMA 和具有预测评估的 Prophet 模型在 Python 中进行时间序列预处理和预测的介绍。
Introduction to time series+ Deep Time Series Forecasting with Python
09-19
关于时间序列大数据分析的外文书籍。Introduction to time series.pdf （第三版）+ Deep Time Series Forecasting with Python.pdf 【高清】
Skforecast: time series forecasting with Python and Scikit-learn
JanLEE
03-08 376
【代码】Skforecast: time series forecasting with Python and Scikit-learn。
[译]Time Series Forecasting with the Long Short-Term Memory Network in Python
学习使我快乐
10-31 4017
Time Series Forecasting with the Long Short-Term Memory Network in Python 长短时记忆循环神经网络（LSTM）在学习观测长序列具有很好的前景。 这种方法看上去与解决时间序列预测问题完美的匹配，而事实上，它可能真的如此。 在本教程里，你将了解如何开发一个 LSTM 预测模型，以解决单变量单步时间序列预测问题。
愉快的学习就从翻译开始吧_2-Time Series Forecasting with the Long Short-Term Memory Network in Python
dreamscape9999的博客
06-10 542
Persistence Model Forecast/持续性模型预测（因为是一个一个的预测，所以我认为就是持续不断的预测，也就是持续预测，持久性预测？见鬼去吧）A good baseline forecast for a time series with a linear increasing trend is a persistence forecast.对一个具有线性增长的时间序列比较好的基准...
Python数据分析实践：时间序列实例.pdf
06-14
2022/3/14 时间序列实例 参考： /qq_33361618/article/details/82804912 Python数据处理（三）——美国西雅图自行车流量可视化 /u/4579171/blog/4551295 Pandas学习笔记之时间序列总结 目的：熟悉时间序列数据的处理方法和时间序列的使用，并用可视化展示出来。 我们来看一下西雅图费利蒙桥的自行车数量统计。该数据集来源自一个自动自行车的计数器，在 2012 年末安装上线，它们能够感应到桥上东西双 向通过的自行车并进行计数。按照小时频率采样的自行车数量计数数据集可以在这个链接处直接下载。 In [ ]: !curl -o FremontBridge.csv /api/views/65db-xm6k/rows.csv?accessType DOWNLOAD 下载了数据集后，我们就可以用 Pandas 将 CSV 文件的内容导入成DataFrame对象。我们指定使用日期作为行索引，还可以通过parse_dates参数要 求 Pandas 自动帮我们转换日期时间格式： In [ ]: #导入模块 import pandas a
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值