电子书上新｜分析时间序列数据，预测未来

turingbooks

于 2023-02-02 12:15:07 发布

阅读量316

点赞数

原文链接：https://mp.weixin.qq.com/s?__biz=MjM5Njc0MjIwMA==&mid=2649748464&idx=2&sn=e5f3e8bfb60a83cb4bd6646b1a166c16&chksm=beffc6a789884fb18077376d7fec630d62c930c4aa4e702b2448fa6b98f5d59da9c9dd5de93f&scene=126&sessionid=0

版权

这本书是不错的资源。每个数据科学家都会在某个时刻开始处理时间序列或其他类型的函数型数据。这本书介绍了机器学习和时间序列分析，并提供了精心设计的示例。

——Andreas W. Kempa-Liehr博士

奥克兰大学工程科学系讲师

天气、股票、心跳都会产生时间序列数据。如果你对各种数据感兴趣，并期望能够预测未来，就一定会对时间序列分析感兴趣。

你也许已经注意到无处不在的时间序列数据了。随着大数据技术的广泛应用，时间序列数据变得越来越普遍，也越来越重要。传感器和追踪装置在当下无处不在，因此出现了大量前所未有的高质量时间序列数据。时间序列数据非常有趣，因为它们可以用来解答有关因果、趋势以及未来可能性的问题。本书将带领你学习常用于时间序列数据的技术并解决此类问题。

时间序列数据涉及多种学科和应用场景，从顾客的购买记录到纳米电子系统的电导测量数据，再到人类的语言数据。任何有序的数据，即使不是按照时间排序的，也都可以应用时间序列分析方法。典型的时间序列数据，如股票数据和天气数据，可以应用时间序列分析方法。但对于像葡萄酒光谱数据这样的特殊数据集，如果把频率当作时间来看待，也可以应用时间序列分析方法。可见，时间序列数据无处不在。

时间序列在数据分析中非常重要，但遗憾的是缺少标准的工具包。《时间序列分析实战：基于机器学习和统计学》将会填补这一需要重视的空白。