时间序列分析简明教程--张树京齐立心 大致介绍了时间序列分析的各个模型和各个模型的实现步骤 公式不用看 直接看操作步骤 网上找实现

代码数据是基于ARMA模型，对一组海浪高度数据的时间序列（内含一数据文本文件），进行时间序列分析及预测拟合，代码中对于特别位置均有注释说明，便于学习理解

很好的一本学习时间序列的课本，强烈推荐！

混沌时间序列分析及其应用 吕金虎 武汉大学出版社

主要ARMA模型的建模，参数估计，定阶，时域频域特性

利用R语言对化学浓度读数数据进行时间序列分析，建立了ARMA模型。附有全部代码以及相关数据集。

用于实现时间序列数据建模与预测的LSTM程序(LSTM matlab code for time series modeling and prediction)

用EVIEWS处理时间序列分析，包括用EVIEWS处理步骤

EDA和ML项目 存储库包含各种项目，这些项目都使用R语言编写了以下代码： 探索性数据分析 机器学习模型（线性回归，逻辑回归，k均值聚类，分层聚类，SVM，决策树，随机森林，时间序列分析，XGBoost） 以下是一些常用的程序包/库的列表，这些程序包/库被用作数据分析和构建机器学习模型的一部分 数据处理： dplyr，plyr，tidyr，stringer，data.table，lubridate（用于日期处理）， 数据可视化： ggplot2，cowplot，ggthemes，比例 ML模型： randomForest，caret（用于数据拆分，交叉验证，预处理，特征选择，变量重要性估计等） 推荐模型： re荐 文本挖掘： tm，tidyverse

条件最小二乘估计 实际中最常用的参数估计方法 假设条件 残差平方和方程 解法 迭代法