互联网
类型
可以朗读
语音朗读
185千字
字数
2024-04-01
发行日期
展开全部
主编推荐语
本书教你如何从基于时间的数据中获得即时、有意义的预测。
内容简介
本书中，作者通过带有注释的Python代码进行全面演示，你将学习用于时间序列预测的统计和深度学习方法。通过跟随书中的实例锻炼你的技能，你很快就会准备好建立自己的准确、有洞察力的预测。
目录
- 版权信息
- The Translator's Words 译者序
- Preface 前言
- Acknowledgements 致谢
- Part 1 第一部分 时间不等人
- Chapter 1 第1章 了解时间序列预测
- 1.1 时间序列简介
- 1.2 时间序列预测概览
- 1.3 时间序列预测与其他回归任务的差异
- 1.4 下一步
- Chapter 2 第2章 对未来的简单预测
- 2.1 定义基线模型
- 2.2 预测历史均值
- 2.3 预测最后一年的均值
- 2.4 使用最后已知数值进行预测
- 2.5 实现简单的季节性预测
- 2.6 下一步
- Chapter 3 第3章 来一次随机游走
- 3.1 随机游走过程
- 3.2 识别随机游走
- 3.3 预测随机游走
- 3.4 下一步
- 3.5 练习
- Part 2 第二部分 使用统计模型进行预测
- Chapter 4 第4章 移动平均过程建模
- 4.1 定义移动平均过程
- 4.2 预测移动平均过程
- 4.3 下一步
- 4.4 练习
- Chapter 5 第5章 自回归过程建模
- 5.1 预测零售店平均每周客流量
- 5.2 定义自回归过程
- 5.3 求平稳自回归过程的阶数
- 5.4 预测自回归过程
- 5.5 下一步
- 5.6 练习
- Chapter 6 第6章 复杂时间序列建模
- 6.1 预测数据中心带宽使用量
- 6.2 研究自回归移动平均过程
- 6.3 确定一个平稳的ARMA过程
- 6.4 设计一个通用的建模过程
- 6.5 应用通用建模过程
- 6.6 预测带宽使用情况
- 6.7 下一步
- 6.8 练习
- Chapter 7 第7章 非平稳时间序列预测
- 7.1 定义差分自回归移动平均模型
- 7.2 修改通用建模过程以考虑非平稳序列
- 7.3 预测一个非平稳时间序列
- 7.4 下一步
- 7.5 练习
- Chapter 8 第8章 考虑季节性
- 8.1 研究SARIMA(p,d,q)(P,D,Q)m模型
- 8.2 识别时间序列的季节性模式
- 8.3 预测航空公司每月乘客数量
- 8.4 下一步
- 8.5 练习
- Chapter 9 第9章 向模型添加外生变量
- 9.1 研究SARIMAX模型
- 9.2 使用SARIMAX模型预测实际GDP
- 9.3 下一步
- 9.4 练习
- Chapter 10 第10章 预测多变量时间序列
- 10.1 研究VAR模型
- 10.2 设计VAR(p)建模过程
- 10.3 预测实际可支配收入和实际消费
- 10.4 下一步
- 10.5 练习
- Chapter 11 第11章 顶点项目：预测澳大利亚抗糖尿病药物处方的数量
- 11.1 导入所需的库并加载数据
- 11.2 可视化序列及其分量
- 11.3 对数据进行建模
- 11.4 预测和评估模型的性能
- 11.5 下一步
- Part 3 第三部分 使用深度学习进行大规模预测
- Chapter 12 第12章 将深度学习引入时间序列预测
- 12.1 何时使用深度学习进行时间序列预测
- 12.2 探索不同类型的深度学习模型
- 12.3 准备应用深度学习进行预测
- 12.4 下一步
- 12.5 练习
- Chapter 13 第13章 数据窗口和创建深度学习基线
- 13.1 创建数据窗口
- 13.2 应用基线模型
- 13.3 下一步
- 13.4 练习
- Chapter 14 第14章 初步研究深度学习
- 14.1 实现线性模型
- 14.2 实现深度神经网络
- 14.3 下一步
- 14.4 练习
- Chapter 15 第15章 使用LSTM记住过去
- 15.1 探索递归神经网络
- 15.2 研究LSTM架构
- 15.3 实现LSTM架构
- 15.4 下一步
- 15.5 练习
- Chapter 16 第16章 使用CNN过滤时间序列
- 16.1 研究卷积神经网络
- 16.2 实现CNN
- 16.3 下一步
- 16.4 练习
- Chapter 17 第17章 使用预测做出更多预测
- 17.1 研究ARLSTM架构
- 17.2 构建自回归LSTM模型
- 17.3 下一步
- 17.4 练习
- Chapter 18 第18章 顶点项目：预测一个家庭的用电量
- 18.1 了解顶点项目
- 18.2 数据整理和预处理
- 18.3 特征工程
- 18.4 使用深度学习进行建模的准备工作
- 18.5 使用深度学习进行建模
- 18.6 下一步
- Part 4 第四部分 大规模自动化预测
- Chapter 19 第19章 使用Prophet自动化时间序列预测
- 19.1 自动化预测库概述
- 19.2 探索Prophet
- 19.3 使用Prophet进行基本预测
- 19.4 探索Prophet的高级功能
- 19.5 使用Prophet实现鲁棒的预测过程
- 19.6 下一步
- 19.7 练习
- Chapter 20 第20章 顶点项目：预测加拿大牛排的月平均零售价格
- 20.1 了解顶点项目
- 20.2 数据预处理与可视化
- 20.3 使用Prophet进行建模
- 20.4 可选：开发一个SARIMA模型
- 20.5 下一步
- Chapter 21 第21章 超越自我
- 21.1 总结所学
- 21.2 如果预测不起作用怎么办
- 21.3 时间序列数据的其他应用
- 21.4 保持练习
- Appendix 附录 安装说明
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
机械工业出版社
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
