时间序列分析与Python实例

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Python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Apache Spark及其时间序列分析也提供了应用实例。

本书共包含4章， 组织结构如下: 第1章对时间序列分析方法进行概述； 第2章对统计方法及其时间序列分析进行介绍并提供Python实例； 第3章对机器学习及其时间序列分析进行介绍并提供Python实例； 第4章对深度学习及其时间序列分析进行介绍并提供Python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PEP 8（python enterprise proposal 8）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。

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Python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Apache Spark及其时间序列分析也提供了应用实例。

本书共包含4章， 组织结构如下: 第1章对时间序列分析方法进行概述； 第2章对统计方法及其时间序列分析进行介绍并提供Python实例； 第3章对机器学习及其时间序列分析进行介绍并提供Python实例； 第4章对深度学习及其时间序列分析进行介绍并提供Python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PEP 8（python enterprise proposal 8）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。