幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

時間序列分析實戰(基於機器學習和統計學)

  • 作者：(美)艾琳·尼爾森|責編:謝婷婷|譯者:王禕//馮英睿
  • 出版社：人民郵電
  • ISBN：9787115605443
  • 出版日期：2022/12/01
  • 裝幀：平裝
  • 頁數：358
人民幣：RMB 139.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    時間序列在現代生活中無處不在，它也是數據分析的重要對象。本書介紹時間序列分析的實用技巧，展示如何結合機器學習方法和傳統的統計方法來分析各類時間序列數據，並提供Python示例和R示例。本書共有17章，首先概覽時間序列分析的歷史，然後介紹數據的獲取、清洗、模擬和存儲，接著關注可用於時間序列分析的建模技術，最後探討時間序列分析在幾個常見領域中的應用。
    本書適合與時間序列打交道的數據分析師、數據工程師、數據科學家及其他相關從業人員閱讀。
作者介紹
(美)艾琳·尼爾森|責編:謝婷婷|譯者:王禕//馮英睿
目錄
前言
第1章  時間序列：概述和簡史
  1.1  時間序列在歷史上的各種應用
    1.1.1  醫學中的時間序列問題
    1.1.2  氣象預測
    1.1.3  經濟增長預測
    1.1.4  天文學
  1.2  時間序列分析的興起
  1.3  統計時間序列分析的起源
  1.4  時間序列分析在機器學習領域的起源
  1.5  更多資源
第2章  時間序列的發現與整理
  2.1  時間序列數據何處尋
    2.1.1  準備好的數據集
    2.1.2  「找到的時間序列」
  2.2  將表集合改造成時間序列數據集合
    2.2.1  示例：組裝時間序列數據集合
    2.2.2  構造「找到的時間序列」
  2.3  時間戳問題
    2.3.1  誰的時間戳
    2.3.2  推測時間戳以理解數據
    2.3.3  什麼是有意義的時間尺度
  2.4  清理數據
    2.4.1  處理數據缺失
    2.4.2  上採樣和下採樣
    2.4.3  數據平滑
    2.4.4  季節性數據
    2.4.5  時區
    2.4.6  預防前瞻
  2.5  更多資源
第3章  針對時間序列的探索性數據分析
  3.1  常用方法
    3.1.1  折線圖
    3.1.2  直方圖
    3.1.3  散點圖
  3.2  探索時間序列數據的方法
    3.2.1  理解平穩性
    3.2.2  應用窗口函數
    3.2.3  理解和識別自相關性
    3.2.4  偽相關性
  3.3  一些有用的可視化方式
    3.3.1  一維可視化
    3.3.2  二維可視化
    3.3.3  三維可視化
  3.4  更多資源
第4章  模擬時間序列
  4.1  模擬時間序列有何特別之處
  4.2  代碼模擬
    4.2.1  自己動手
    4.2.2  構建一個自行運轉的模擬世界

    4.2.3  物理模擬
  4.3  寫在最後
    4.3.1  統計模擬
    4.3.2  深度學習模擬
  4.4  更多資源
第5章  存儲時間序列
  5.1  定義需求
  5.2  資料庫解決方案
    5.2.1  SQL與NoSQL
    5.2.2  流行的時間序列資料庫
  5.3  文件解決方案
    5.3.1  NumPy
    5.3.2  Pandas
    5.3.3  R語言中的標準格式
    5.3.4  Xarray
  5.4  更多資源
第6章  時間序列的統計模型
  6.1  為什麼不使用線性回歸
  6.2  時間序列的統計方法
    6.2.1  自回歸模型
    6.2.2  移動平均模型
    6.2.3  差分自回歸移動平均模型
    6.2.4  向量自回歸模型
    6.2.5  多樣的統計模型
  6.3  時間序列統計模型的優缺點
  6.4  更多資源
第7章  時間序列的狀態空間模型
  7.1  狀態空間模型的優缺點
  7.2  卡爾曼濾波器
    7.2.1  概述
    7.2.2  為卡爾曼濾波器編碼
  7.3  隱馬爾可夫模型
    7.3.1  模型的工作原理
    7.3.2  如何擬合模型
    7.3.3  通過編碼實現擬合
  7.4  貝葉斯結構時間序列
  7.5  更多資源
第8章  時間序列的特徵生成與選擇
  8.1  入門示例
  8.2  生成特徵時需要考慮什麼
    8.2.1  時間序列的性質
    8.2.2  領域知識
    8.2.3  外部考慮因素
  8.3  何處尋找特徵靈感
    8.3.1  開源時間序列特徵生成庫
    8.3.2  特定領域的特徵示例
  8.4  生成特徵后如何進行選擇
  8.5  結語
  8.6  更多資源
第9章  針對時間序列的機器學習

  9.1  時間序列分類
    9.1.1  生成並選擇特徵
    9.1.2  決策樹方法
  9.2  聚類
    9.2.1  由數據生成特徵
    9.2.2  具有時間感知能力的距離度量指標
    9.2.3  聚類代碼
  9.3  更多資源
第10章  針對時間序列的深度學習
  10.1  深度學習概念
  10.2  通過編程實現神經網路
  10.3  構建訓練流程
    10.3.1  檢查數據集
    10.3.2  訓練流程的步驟
  10.4  前饋網路
    10.4.1  一個簡單示例
    10.4.2  運用注意力機制使前饋網路更具時間意識
  10.5  卷積神經網路
    10.5.1  一個簡單的卷積模型
    10.5.2  其他可用的卷積模型
  10.6  循環神經網路
    10.6.1  繼續研究用電量示例
    10.6.2  創新：自編碼器
  10.7  組合架構
  10.8  結語
  10.9  更多資源
第11章  測量誤差
  11.1  基礎知識：如何檢驗預測結果
  11.2  預測結果何時才算足夠好
  11.3  通過模擬估計模型中的不確定性
  11.4  預測多步
    11.4.1  直接擬合感興趣的範圍
    11.4.2  針對較遠時間步的遞歸方法
    11.4.3  對時間序列應用多任務學習
  11.5  模型驗證陷阱
  11.6  更多資源
第12章  擬合及使用時間序列模型時的性能考量
  12.1  使用為一般用例構建的工具
    12.1.1  用於橫截面數據的模型不在樣本間「共享」數據
    12.1.2  沒有預先計算的模型造成數據測量與預測間的非必要延遲
  12.2  數據存儲格式的優缺點
    12.2.1  以二進位格式存儲數據
    12.2.2  以能夠在數據上「滑動」的方式預處理
  12.3  為適應性能考量而修改分析
    12.3.1  使用所有數據不一定更好
    12.3.2  複雜的模型並不總是表現得更好
    12.3.3  簡要介紹可用的高性能工具
  12.4  更多資源
第13章  醫療保健應用
  13.1  流感預測

    13.1.1  案例研究：發生在大都市的流感疫情
    13.1.2  流感預測領域的最新技術
  13.2  血糖水平預測
    13.2.1  探索和清洗數據
    13.2.2  生成特徵
    13.2.3  擬合模型
  13.3  更多資源
第14章  金融應用
  14.1  獲取並探索金融數據
  14.2  金融數據預處理與深度學習
    14.2.1  由原始數據生成新指標
    14.2.2  轉換數據並避免前瞻
    14.2.3  為神經網路格式化數據
  14.3  構建並訓練循環神經網路
  14.4  更多資源
第15章  政務應用
  15.1  獲取政府數據
  15.2  探索時間序列大數據
    15.2.1  在遍曆數據時進行上採樣並聚合
    15.2.2  對數據排序
  15.3  時間序列數據的在線統計分析
    15.3.1  剩餘問題
    15.3.2  後續改進
  15.4  更多資源
第16章  時間序列工具包
  16.1  規模化預測
    16.1.1  谷歌內部的工業級預測框架
    16.1.2  Facebook的Prophet開源工具包
  16.2  異常檢測
  16.3  其他時間序列工具包
  16.4  更多資源
第17章  關於預測的預測
  17.1  預測即服務
  17.2  深度學習提高了概率
  17.3  重要性正由統計方法向機器學習方法轉移
  17.4  更深入地結合統計方法和機器學習方法
  17.5  涉及日常生活的更多預測

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032