| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787548752820 |
| 所属分类：图书>计算机/网络>移动开发>其他 |
内容简介
本书在提供时间序列分析基本原理的基础上，重点对统计方法、 机器学习、 深度学习及其时间序列分析应用进行案例分析， 并提供了实例。本书还考虑了大数据背景下对海量时间序列数据的处理与分析方法， 对大数据分析引擎 及其时间序列分析也提供了应用实例。
本书共包含章， 组织结构如下第章对时间序列分析方法进行概述； 第章对统计方法及其时间序列分析进行介绍并提供实例； 第章对机器学习及其时间序列分析进行介绍并提供实例； 第章对深度学习及其时间序列分析进行介绍并提供实例。
本书主要为读者提供快速的问题解决思路和一般策略，未深入讨论各类算法模型的底层原理、 推导过程及具体任务的优化改进。读者可在本书提供的方法和源码基础上， 进行模型结构或算法流程优化和创新， 以满足读者在实际学习、 研究和工程应用中的需要。为保证代码清晰明确， 本书执行 （ ）代码格式。书中实例围绕时间序列分析目标开展编程，应用范围较为广泛， 有望满足不同领域科研工作者及工程技术从业人员的使用需要， 既可作为本科生、 研究生相关课程教学教材， 也能作为相关领域工程人员的技术参考书。
目 录
第章 概述
时间序列分析基础
时间序列特性
时间序列数据预处理
时间序列预测
滑动窗口
数据集划分
预测任务分类
预测任务描述
预测误差评
预测可视化
时间序列预测常用框架
统计方法框架
机器学习模型框架 第章 概述
时间序列分析基础
时间序列特性
时间序列数据预处理
时间序列预测
滑动窗口
数据集划分
预测任务分类
预测任务描述
预测误差评
预测可视化
时间序列预测常用框架
统计方法框架
机器学习模型框架
深度学习模型框架
常用优化技术
交叉验证
网格搜索
随机搜索
第章 统计方法时间序列分析
时间序列分析
时间序列分析模型
时间序列分析流程
模型预测实例
实例－客流预测
实例－销量预测
第章 机器学习时间序列分析
数据集
近邻回归
模型介绍
实例近邻（）回归预测
多元线性回归
模型介绍
实例多元线性回归（）预测
支持向量回归
模型介绍
实例支持向量回归（）预测
决策树回归
模型介绍
实例决策树（）回归预测
随机森林回归
模型介绍
实例随机森林（）回归预测
梯度提升回归树
模型介绍
实例梯度提升回归树（
）预测
极度梯度提升回归
模型介绍
实例极度梯度提升（）回归预测
轻量梯度提升机回归
模型介绍
实例轻量梯度提升机（）回归预测
模型实现
第章 深度学习时间序列分析
前馈神经网络
模型介绍
实例前馈神经网络（）太阳黑子预测
循环神经网络
模型介绍
实例长短期记忆（）网络风速预测
实例门控循环单元（）网络风电功率预测
卷积神经网络
模型介绍
实例卷积神经网络（）电力负荷预测
实例时间卷积网络（）网络流量预测
图神经网络
模型介绍
实例图卷积网络（）空气污染指数预测
实例图注意力网络（）交通流量预测
注意力网络
模型介绍
实例多头自注意力（）网络温度预测
附录 开发环境配置
安装配置
安装配置
配置
虚拟环境配置
安装配置
附录 开发环境配置
安装配置
和安装配置
安装配置
安装配置
附录 项目工程结构
参考文献
显示全部信息
本书在提供时间序列分析基本原理的基础上，重点对统计方法、 机器学习、 深度学习及其时间序列分析应用进行案例分析， 并提供了实例。本书还考虑了大数据背景下对海量时间序列数据的处理与分析方法， 对大数据分析引擎 及其时间序列分析也提供了应用实例。
本书共包含章， 组织结构如下第章对时间序列分析方法进行概述； 第章对统计方法及其时间序列分析进行介绍并提供实例； 第章对机器学习及其时间序列分析进行介绍并提供实例； 第章对深度学习及其时间序列分析进行介绍并提供实例。
本书主要为读者提供快速的问题解决思路和一般策略，未深入讨论各类算法模型的底层原理、 推导过程及具体任务的优化改进。读者可在本书提供的方法和源码基础上， 进行模型结构或算法流程优化和创新， 以满足读者在实际学习、 研究和工程应用中的需要。为保证代码清晰明确， 本书执行 （ ）代码格式。书中实例围绕时间序列分析目标开展编程，应用范围较为广泛， 有望满足不同领域科研工作者及工程技术从业人员的使用需要， 既可作为本科生、 研究生相关课程教学教材， 也能作为相关领域工程人员的技术参考书。
目 录
第章 概述
时间序列分析基础
时间序列特性
时间序列数据预处理
时间序列预测
滑动窗口
数据集划分
预测任务分类
预测任务描述
预测误差评
预测可视化
时间序列预测常用框架
统计方法框架
机器学习模型框架 第章 概述
时间序列分析基础
时间序列特性
时间序列数据预处理
时间序列预测
滑动窗口
数据集划分
预测任务分类
预测任务描述
预测误差评
预测可视化
时间序列预测常用框架
统计方法框架
机器学习模型框架
深度学习模型框架
常用优化技术
交叉验证
网格搜索
随机搜索
第章 统计方法时间序列分析
时间序列分析
时间序列分析模型
时间序列分析流程
模型预测实例
实例－客流预测
实例－销量预测
第章 机器学习时间序列分析
数据集
近邻回归
模型介绍
实例近邻（）回归预测
多元线性回归
模型介绍
实例多元线性回归（）预测
支持向量回归
模型介绍
实例支持向量回归（）预测
决策树回归
模型介绍
实例决策树（）回归预测
随机森林回归
模型介绍
实例随机森林（）回归预测
梯度提升回归树
模型介绍
实例梯度提升回归树（
）预测
极度梯度提升回归
模型介绍
实例极度梯度提升（）回归预测
轻量梯度提升机回归
模型介绍
实例轻量梯度提升机（）回归预测
模型实现
第章 深度学习时间序列分析
前馈神经网络
模型介绍
实例前馈神经网络（）太阳黑子预测
循环神经网络
模型介绍
实例长短期记忆（）网络风速预测
实例门控循环单元（）网络风电功率预测
卷积神经网络
模型介绍
实例卷积神经网络（）电力负荷预测
实例时间卷积网络（）网络流量预测
图神经网络
模型介绍
实例图卷积网络（）空气污染指数预测
实例图注意力网络（）交通流量预测
注意力网络
模型介绍
实例多头自注意力（）网络温度预测
附录 开发环境配置
安装配置
安装配置
配置
虚拟环境配置
安装配置
附录 开发环境配置
安装配置
和安装配置
安装配置
安装配置
附录 项目工程结构
参考文献
显示全部信息