时间序列预测：基于机器学和python实现 编程语言 (美)弗朗西斯卡·拉泽里
本书为没有或几乎没有时间序列或机器学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。
￥ 53.85 6.1折 ￥ 89 全新
库存15件
作者(美)弗朗西斯卡·拉泽里
出版社机械工业出版社
ISBN9787111697466
出版时间2022-01
版次1
装帧平装
开本16开
页数190页
字数150千字
定价89元
货号xhwx_1202580250
上书时间2022-02-17
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
译者序前言致谢关于作者关于技术审阅人章 时间序列预测概述11.1 时间序列预测的机器学方21.2 时间序列预测的监督学121.3 基于python的时间序列预测191.4 时间序列预测的实验设置221.5 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252.1 时间序列预测模板252.1.1 业务理解和能度量272.1.2 数据摄取302.1.3 数据探索与理解332.1.4 数据预处理和特征工程342.1.5 模型构建和选择362.2 需求预测建模技术概述372.2.1 模型评估402.2.2 模型部署412.2.3 预测解决方案的接受程度472.3 用例：需求预测472.4 结51第3章 时间序列数据准备533.1 用于时间序列数据的python库533.1.1 时间序列的通用数据准备工作563.1.2 时间戳与周期583.1.3 转换为时间戳613.1.4 提供格式参数623.1.5 索引633.1.6 时间/期组件693.1.7 频率转换703.2 探索与理解时间序列723.2.1 如何开始时间序列数据分析723.2.2 时间序列中缺失值的数据清理773.2.3 归一化和标准化时间序列数据803.3 时间序列特征工程833.3.1 期时间特征843.3.2 滞后特征和窗特征853.3.3 滚动窗统计信息903.3.4 扩展窗统计信息923.4 结93第4章 时间序列预测的自回归和自动方944.1 自回归954.2 移动均1124.3 自回归移动均1134.4 差分自回归移动均1144.5 自动化机器学1214.6 结128第5章 基于神经网络的时间序列预测1305.1 将深度学用于时间序列预测的原因1305.1.1 深度学神经网络能够自动从原始数据中学和提取特征1325.1.2 深度学支持多个输入和输出1335.1.3 循环神经网络擅长从输入数据中提取模式1355.2 基于循环神经网络的时间序列预测1365.2.1 循环神经网络1375.2.2 长短期记忆1395.2.3 门控循环单元1405.2.4 如何为lstm和gru准备时间序列数据1415.3 如何开发用于时间序列预测的gru和lstm1465.3.1 keras1475.3.2 tensorflow1485.3.3 单变量模型1495.3.4 多变量模型1535.4 结157第6章 时间序列预测的模型部署1596.1 实验设置和python版的azure机器学sdk介绍 1596.1.1 workspace1596.1.2 experiment1606.1.3 run1606.1.4 model1616.1.5 putetarget、runconfiguration和scriptrunconfig1626.1.6 image和webservice1636.2 机器学模型部署 1646.3 时间序列预测的解决方案体系结构部署示例 1686.3.1 训练并部署arima模型 1706.3.2 配置工作空间 1736.3.3 创建实验 1756.3.4 创建或连接计算集群 1756.3.5 上传数据到azure 1766.3.6 创建估算器 1796.3.7 将工作提交到远程集群1806.3.8 注册模型 1806.3.9 部署模型1806.3.10 定义输入脚本和依赖项 1826.3.11 自动生成模式 1826.4 结187参文献189
内容简介：
本书基于python这一处理数据功能强大的不错编程语言，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。
— 没有更多了 —
以下为对购买帮助不大的评价