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