📝 时间序列教程
21篇技术文档📅  最后修改于: 2020-12-10 06:28:06        🧑  作者: Mango
现在,我们已经很熟悉时间序列的统计建模,但是机器学习现在非常流行,因此也必须熟悉某些机器学习模型。我们将从时间序列域中最流行的模型开始-长短期记忆模型。LSTM是一类递归神经网络。因此,在进入LSTM之前,必须了解神经网络和递归神经网络。神经网络人工神经网络是受生物神经网络启发的连接神经元的分层结构。它不是一种算法,而是多种算法的组合,使我们能够对数据进行复杂的操作。递归神经网络它是为处理时间数据...
📅  最后修改于: 2020-12-10 06:28:36        🧑  作者: Mango
对我们来说,量化模型的性能以将其用作反馈和比较非常重要。在本教程中,我们使用了最流行的误差度量均方根误差之一。还有其他各种错误度量标准。本章简要讨论它们。均方误差它是预测值和真实值之间差异的平方的平均值。 Sklearn将其作为函数。它的单位与真实值和预测值的平方相同,并且始终为正。$$ MSE = \ frac {1} {n} \ displaystyle \ sum \ limits_ {t ...
📅  最后修改于: 2020-12-10 06:28:51        🧑  作者: Mango
我们在本教程中讨论了时间序列分析,这使我们理解了时间序列模型首先会从现有观察值中识别趋势和季节性,然后根据该趋势和季节性预测值。这种分析在各个领域都非常有用,例如-财务分析-包括销售预测,库存分析,股票市场分析,价格估计。天气分析-包括温度估计,气候变化,季节性变化识别,天气预报。网络数据分析-它包括网络使用情况预测,异常或入侵检测,预测性维护。医疗保健分析-它包括人口普查预测,保险利益预测,患者...
📅  最后修改于: 2020-12-10 06:29:11        🧑  作者: Mango
机器学习处理各种问题。实际上,借助机器学习,几乎所有领域都有自动化或改进的范围。下面给出了一些需要大量工作的问题。时间序列数据这是随时间变化的数据,因此时间在其中起着至关重要的作用,我们在本教程中对此进行了大量讨论。非时间序列数据它是与时间无关的数据,并且大部分ML问题都与非时间序列数据有关。为了简单起见,我们将其进一步分类为-数值数据-计算机与人类不同,计算机只能理解数字,因此最终将各种数据转换...
📅  最后修改于: 2020-12-10 06:29:32        🧑  作者: Mango
以下资源包含有关时间序列的其他信息。请使用它们来获得有关此方面的更深入的知识。时间序列上的有用链接时间序列Wiki-时间序列的Wikipedia参考关于时间序列的有用书籍要在此页面上注册您的网站,请发送电子邮件至...
📅  最后修改于: 2020-12-10 06:29:50        🧑  作者: Mango
时间序列是在一定时期内的一系列观察结果。我们每个人每天遇到的时间序列的最简单示例是整个一天,一周,一个月或一年中温度的变化。时间数据分析能够为我们提供有关变量如何随时间变化的有用见解。本教程将教您如何借助精心设计和易于理解的各种统计和机器学习模型来分析和预测时间序列数据!...