扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
买过本商品的人还买了
时间序列预测:基于机器学习和Python实现 版权信息
- ISBN：9787111697466
- 条形码：9787111697466 ; 978-7-111-69746-6
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
时间序列预测:基于机器学习和Python实现 本书特色
本书为没有或几乎没有时间序列或机器学习经验的读者提供了创建和评估时间序列模型所需的基本工具。
时间序列预测:基于机器学习和Python实现 内容简介
本书基于Python这一处理数据功能强大的高级编程语言，在实践中展示了如何将这些模型应用于真实世界的数据科学场景。Python提供了一系列用于时间序列数据分析的库，可以针对不同的预测解决方案进行通用化的代码部署。
时间序列预测:基于机器学习和Python实现 目录
译者序
前言
致谢
关于作者
关于技术审阅人
第1章 时间序列预测概述1
1.1 时间序列预测的机器学习方法2
1.2 时间序列预测的监督学习12
1.3 基于Python的时间序列预测19
1.4 时间序列预测的实验设置22
1.5 总结24
第2章 如何在云上设计一个端到端的时间序列预测解决方案25
2.1 时间序列预测模板25
2.1.1 业务理解和性能度量27
2.1.2 数据摄取30
2.1.3 数据探索与理解33
2.1.4 数据预处理和特征工程34
2.1.5 模型构建和选择36
2.2 需求预测建模技术概述37
2.2.1 模型评估40
2.2.2 模型部署41
2.2.3 预测解决方案的接受程度47
2.3 用例：需求预测47
2.4 总结51
第3章 时间序列数据准备53
3.1 用于时间序列数据的Python库53
3.1.1 时间序列的通用数据准备工作56
3.1.2 时间戳与周期58
3.1.3 转换为时间戳61
3.1.4 提供格式参数62
3.1.5 索引63
3.1.6 时间/日期组件69
3.1.7 频率转换70
3.2 探索与理解时间序列72
3.2.1 如何开始时间序列数据分析72
3.2.2 时间序列中缺失值的数据清理77
3.2.3 归一化和标准化时间序列数据80
3.3 时间序列特征工程83
3.3.1 日期时间特征84
3.3.2 滞后特征和窗口特征85
3.3.3 滚动窗口统计信息90
3.3.4 扩展窗口统计信息92
3.4 总结93
第4章 时间序列预测的自回归和自动方法94
4.1 自回归95
4.2 移动平均112
4.3 自回归移动平均113
4.4 差分自回归移动平均114
4.5 自动化机器学习121
4.6 总结128
第5章 基于神经网络的时间序列预测130
5.1 将深度学习用于时间序列预测的原因130
5.1.1 深度学习神经网络能够自动从原始数据中学习和提取特征132
5.1.2 深度学习支持多个输入和输出133
5.1.3 循环神经网络擅长从输入数据中提取模式135
5.2 基于循环神经网络的时间序列预测136
5.2.1 循环神经网络137
5.2.2 长短期记忆139
5.2.3 门控循环单元140
5.2.4 如何为LSTM和GRU准备时间序列数据141
5.3 如何开发用于时间序列预测的GRU和LSTM146
5.3.1 Keras147
5.3.2 TensorFlow148
5.3.3 单变量模型149
5.3.4 多变量模型153
5.4 总结157
第6章 时间序列预测的模型部署159
6.1 实验设置和Python版的Azure机器学习SDK介绍 159
6.1.1 Workspace159
6.1.2 Experiment160
6.1.3 Run160
6.1.4 Model161
6.1.5 ComputeTarget、RunConfiguration和ScriptRunConfig162
6.1.6 Image和Webservice163
6.2 机器学习模型部署 164
6.3 时间序列预测的解决方案体系结构部署示例 168
6.3.1 训练并部署ARIMA模型 170
6.3.2 配置工作空间 173
6.3.3 创建实验 175
6.3.4 创建或连接计算集群 175
6.3.5 上传数据到Azure 176
6.3.6 创建估算器 179
6.3.7 将工作提交到远程集群180
6.3.8 注册模型 180
6.3.9 部署模型180
6.3.10 定义输入脚本和依赖项 182
6.3.11 自动生成模式 182
6.4 总结187
参考文献189
前言
致谢
关于作者
关于技术审阅人
第1章 时间序列预测概述1
1.1 时间序列预测的机器学习方法2
1.2 时间序列预测的监督学习12
1.3 基于Python的时间序列预测19
1.4 时间序列预测的实验设置22
1.5 总结24
第2章 如何在云上设计一个端到端的时间序列预测解决方案25
2.1 时间序列预测模板25
2.1.1 业务理解和性能度量27
2.1.2 数据摄取30
2.1.3 数据探索与理解33
2.1.4 数据预处理和特征工程34
2.1.5 模型构建和选择36
2.2 需求预测建模技术概述37
2.2.1 模型评估40
2.2.2 模型部署41
2.2.3 预测解决方案的接受程度47
2.3 用例：需求预测47
2.4 总结51
第3章 时间序列数据准备53
3.1 用于时间序列数据的Python库53
3.1.1 时间序列的通用数据准备工作56
3.1.2 时间戳与周期58
3.1.3 转换为时间戳61
3.1.4 提供格式参数62
3.1.5 索引63
3.1.6 时间/日期组件69
3.1.7 频率转换70
3.2 探索与理解时间序列72
3.2.1 如何开始时间序列数据分析72
3.2.2 时间序列中缺失值的数据清理77
3.2.3 归一化和标准化时间序列数据80
3.3 时间序列特征工程83
3.3.1 日期时间特征84
3.3.2 滞后特征和窗口特征85
3.3.3 滚动窗口统计信息90
3.3.4 扩展窗口统计信息92
3.4 总结93
第4章 时间序列预测的自回归和自动方法94
4.1 自回归95
4.2 移动平均112
4.3 自回归移动平均113
4.4 差分自回归移动平均114
4.5 自动化机器学习121
4.6 总结128
第5章 基于神经网络的时间序列预测130
5.1 将深度学习用于时间序列预测的原因130
5.1.1 深度学习神经网络能够自动从原始数据中学习和提取特征132
5.1.2 深度学习支持多个输入和输出133
5.1.3 循环神经网络擅长从输入数据中提取模式135
5.2 基于循环神经网络的时间序列预测136
5.2.1 循环神经网络137
5.2.2 长短期记忆139
5.2.3 门控循环单元140
5.2.4 如何为LSTM和GRU准备时间序列数据141
5.3 如何开发用于时间序列预测的GRU和LSTM146
5.3.1 Keras147
5.3.2 TensorFlow148
5.3.3 单变量模型149
5.3.4 多变量模型153
5.4 总结157
第6章 时间序列预测的模型部署159
6.1 实验设置和Python版的Azure机器学习SDK介绍 159
6.1.1 Workspace159
6.1.2 Experiment160
6.1.3 Run160
6.1.4 Model161
6.1.5 ComputeTarget、RunConfiguration和ScriptRunConfig162
6.1.6 Image和Webservice163
6.2 机器学习模型部署 164
6.3 时间序列预测的解决方案体系结构部署示例 168
6.3.1 训练并部署ARIMA模型 170
6.3.2 配置工作空间 173
6.3.3 创建实验 175
6.3.4 创建或连接计算集群 175
6.3.5 上传数据到Azure 176
6.3.6 创建估算器 179
6.3.7 将工作提交到远程集群180
6.3.8 注册模型 180
6.3.9 部署模型180
6.3.10 定义输入脚本和依赖项 182
6.3.11 自动生成模式 182
6.4 总结187
参考文献189
展开全部
时间序列预测:基于机器学习和Python实现 作者简介
弗朗西斯卡·拉泽里博士是大数据技术创新和机器学习实际应用方面的专家，拥有超过十年的学术和行业经验。她的研究涵盖机器学习、统计建模、时间序列计量经济学和预测等领域，以及能源、石油和天然气、零售、航空航天、医疗和专业服务等行业。她目前在微软领导一个由云人工智能倡导者和开发者组成的靠前团队，管理大量客户，并在云上构建智能自动化解决方案。
书友推荐
- >
月亮与六便士
月亮与六便士
¥18.1¥42.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥32.4¥49.8 - >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
有舍有得是人生
有舍有得是人生
¥17.1¥45.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥35.5¥48.0 - >
唐代进士录
唐代进士录
¥15.1¥39.8 - >
自卑与超越
自卑与超越
¥12.7¥39.8
本类畅销
-
网络工程师教程(第2版)
¥69.3¥99 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
虚拟化与容器技术
¥49.9¥69.8 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
程序设计语言编译原理(第3版)
¥25.4¥39
