書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請 | 注冊

時(shí)間序列分析與Python實(shí)例

出版社：中南大學(xué)出版社出版時(shí)間：2023-03-01
開本： 24cm 頁數(shù)： 255頁
中 圖 價(jià):¥56.9(7.2折) 定價(jià)  ¥79.0 登錄后可看到會員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

時(shí)間序列分析與Python實(shí)例 版權(quán)信息

時(shí)間序列分析與Python實(shí)例 內(nèi)容簡介

本書共包含4章，組織結(jié)構(gòu)如下：第1章對時(shí)間序列分析方法進(jìn)行概述；第2章對統(tǒng)計(jì)方法及其時(shí)間序列分析進(jìn)行介紹并提供Python實(shí)例；第3章對機(jī)器學(xué)習(xí)及其時(shí)間序列分析進(jìn)行介紹并提供Python實(shí)例；第4章對深度學(xué)習(xí)及其時(shí)間序列分析進(jìn)行介紹并提供Python實(shí)例。

時(shí)間序列分析與Python實(shí)例 目錄

第1章 概述 / 1 1.1 時(shí)間序列分析基礎(chǔ) / 1 1.1.1 時(shí)間序列特性 / 1 1.1.2 時(shí)間序列數(shù)據(jù)預(yù)處理 / 3 1.2 時(shí)間序列預(yù)測 / 14 1.2.1 滑動(dòng)窗口 / 14 1.2.2 數(shù)據(jù)集劃分 / 20 1.2.3 預(yù)測任務(wù)分類 / 20 1.2.4 預(yù)測任務(wù)描述 / 22 1.2.5 預(yù)測誤差評價(jià) / 24 1.2.6 預(yù)測可視化 / 30 1.3 時(shí)間序列預(yù)測常用框架 / 39 1.3.1 統(tǒng)計(jì)方法框架 / 39 1.3.2 機(jī)器學(xué)習(xí)模型框架 / 40 1.3.3 深度學(xué)習(xí)模型框架 / 40 1.4 常用優(yōu)化技術(shù) / 41 1.4.1 交叉驗(yàn)證 / 41 1.4.2 網(wǎng)格搜索 / 41 1.4.3 隨機(jī)搜索 / 41 第2章 統(tǒng)計(jì)方法時(shí)間序列分析 / 42 2.1 時(shí)間序列分析 / 43 2.1.1 時(shí)間序列分析模型 / 43 2.1.2 時(shí)間序列分析流程 / 44 2.2 ARIMA模型預(yù)測實(shí)例 / 45 2.2.1 實(shí)例： Grid－SARIMA客流預(yù)測 / 45 2.2.2 實(shí)例： Auto－SARIMA銷量預(yù)測 / 57 第3章 機(jī)器學(xué)習(xí)時(shí)間序列分析 / 66 3.1 數(shù)據(jù)集 / 67 3.2 K*近鄰回歸 / 69 3.2.1 模型介紹 / 69 3.2.2 實(shí)例： K*近鄰（KNN）回歸預(yù)測 / 69 3.3 多元線性回歸 / 75 3.3.1 模型介紹 / 75 3.3.2 實(shí)例： 多元線性回歸（MLR）預(yù)測 / 75 3.4 支持向量回歸 / 81 3.4.1 模型介紹 / 81 3.4.2 實(shí)例： 支持向量回歸（SVR）預(yù)測 / 81 3.5 決策樹回歸 / 87 3.5.1 模型介紹 / 87 3.5.2 實(shí)例： 決策樹（DT）回歸預(yù)測 / 87 3.6 隨機(jī)森林回歸 / 92 3.6.1 模型介紹 / 92 3.6.2 實(shí)例： 隨機(jī)森林（RF）回歸預(yù)測 / 93 3.7 梯度提升回歸樹 / 98 3.7.1 模型介紹 / 98 3.7.2 實(shí)例： 梯度提升回歸樹（GBRT）預(yù)測 / 98 3.8 極度梯度提升回歸 / 104 3.8.1 模型介紹 / 104 3.8.2 實(shí)例： 極度梯度提升（XGBosst）回歸預(yù)測 / 104 3.9 輕量梯度提升機(jī)回歸 / 112 3.9.1 模型介紹 / 112 3.9.2 實(shí)例： 輕量梯度提升機(jī)（LightGBM）回歸預(yù)測 / 113 3.10 Spark模型實(shí)現(xiàn) / 121 第4章 深度學(xué)習(xí)時(shí)間序列分析 / 134 4.1 前饋神經(jīng)網(wǎng)絡(luò) / 135 4.1.1 模型介紹 / 135 4.1.2 實(shí)例： 前饋神經(jīng)網(wǎng)絡(luò)（FNN）太陽黑子預(yù)測 / 136 4.2 循環(huán)神經(jīng)網(wǎng)絡(luò) / 145 4.2.1 模型介紹 / 145 4.2.2 實(shí)例： 長短期記憶（LSTM）網(wǎng)絡(luò)風(fēng)速預(yù)測 / 147 4.2.3 實(shí)例： 門控循環(huán)單元（GRU）網(wǎng)絡(luò)風(fēng)電功率預(yù)測 / 155 4.3 卷積神經(jīng)網(wǎng)絡(luò) / 164 4.3.1 模型介紹 / 164 4.3.2 實(shí)例： 卷積神經(jīng)網(wǎng)絡(luò)（CNN）電力負(fù)荷預(yù)測 / 166 4.3.3 實(shí)例： 時(shí)間卷積網(wǎng)絡(luò)（TCN）網(wǎng)絡(luò)流量預(yù)測 / 175 4.4 圖神經(jīng)網(wǎng)絡(luò) / 184 4.4.1 模型介紹 / 184 4.4.2 實(shí)例： 圖卷積網(wǎng)絡(luò)（GCN）空氣污染指數(shù)預(yù)測 / 186 4.4.3 實(shí)例： 圖注意力網(wǎng)絡(luò)（GAT）交通流量預(yù)測 / 210 4.5 注意力網(wǎng)絡(luò) / 221 4.5.1 模型介紹 / 221 4.5.2 實(shí)例： 多頭自注意力（MSA）網(wǎng)絡(luò)溫度預(yù)測 / 222 附錄A Python開發(fā)環(huán)境配置 / 239 A.1 Ubuntu安裝配置 / 239 A.2 Anaconda安裝配置 / 240 A.3 pip配置 / 241 A.4 Python虛擬環(huán)境配置 / 242 A.5 Vscode安裝配置 / 243 附錄B Spark開發(fā)環(huán)境配置 / 245 B.1 Java安裝配置 / 245 B.2 Scala和Hadoop安裝配置 / 246 B.3 Spark安裝配置 / 246 B.4 PySpark安裝配置 / 248 附錄C 項(xiàng)目工程結(jié)構(gòu) / 250 參考文獻(xiàn) / 253
展開全部
商品評論(0條)
暫無評論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服