【干货书】基于统计和机器学习的实用时间序列分析预测，Time Series Analysis Prediction

来源：专知
本文约为书籍，建议阅读5分钟
帮助您使用传统统计和现代机器学习技术解决时间序列中最常见的数据工程和分析挑战。

由于通过物联网、医疗数字化和智能城市的兴起，时间序列数据分析变得越来越重要。随着持续监测和数据收集变得越来越普遍，将增加使用统计和机器学习技术进行时间序列分析的需求。

本实用指南涵盖了时间序列数据分析的创新和现实世界中的用例，将帮助您使用传统统计和现代机器学习技术解决时间序列中最常见的数据工程和分析挑战。作者艾琳·尼尔森（Aileen Nielsen）以R和Python两种语言提供了一个通俗易懂、全面的时间序列介绍，将让数据科学家、软件工程师和研究人员快速启动并运行。

你学习到：

• 查找和整理时间序列数据

• 进行探索性的时间序列数据分析

• 存储时态数据

• 模拟时间序列数据

• 为时间序列生成并选择特征

• 测量误差

• 用机器或深度学习对时间序列进行预测和分类

• 评估准确性和性能

https://www.oreilly.com/library/view/practical-time-series/9781492041641/

• Preface

• 1. Time Series: An Overview and a Quick History

2. Finding and Wrangling Time Series Data

• 3. Exploratory Data Analysis for Time Series

• 4. Simulating Time Series Data

• 5. Storing Temporal Data

• 6. Statistical Models for Time Series

• 7. State Space Models for Time Series

• 8. Generating and Selecting Features for a Time Series

• 9. Machine Learning for Time Series

• 10. Deep Learning for Time Series

• 11. Measuring Error

• 12. Performance Considerations in Fitting and Serving Time Series Models

• 13. Healthcare Applications

• 14. Financial Applications

• 15. Time Series for Government

• 16. Time Series Packages

• 17. Forecasts About Forecasting

• Index