学习时间序列的概念，从传统的技术到最前沿的技术。这本书用全面的例子清楚地说明了时间序列数据的统计方法和分析方法及其在现实世界中的应用。所有的代码都可以在Jupyter中找到。 您将从回顾时间序列的基础知识、时间序列数据的结构、预处理以及如何通过数据争论来构建这些特性开始。接下来，您将使用statmodels和pmdarima等趋势框架来研究传统的时间序列技术，如ARMA、SARIMAX、VAR和VARMA。 该书还解释了使用sktime构建分类模型，并涵盖了先进的基于深度学习的技术，如ANN, CNN, RNN, LSTM, GRU和Autoencoder，以解决使用Tensorflow的时间序列问题。最后介绍了时间序列分析建模的流行框架fbprophet。在使用Python阅读了Hands -On Time Series Analysis之后，您将能够在行业中应用这些新技术，如石油和天然气、机器人、制造业、政府、银行、零售、医疗保健等。 你将学习: 解释时间序列高级概念的基础知识 如何设计、开发、培训和验证时间序列方法 什么是平滑，ARMA, ARIMA, SARIMA,S

Time Series Analysis and Its Applications Time Series Analysis and Its Applications

The theory and practice of time series analysis have developed rapidly since the appear- ance in 1970 of the seminal work of George E. P. Box and Gwilym M. Jenkins, Time Series Analysis: Forecasting and Control, now available in its third edition (1994) with co-author Gregory C. Reinsel. Many books on time series have appeared since then, but some of them give too little practical application, while others give too little theoretical background. This book attempts to present both application, and theory at a level acces- sible to a wide variety of students and practitioners. Our approach is to mix application and theory throughout the book as they are naturally needed.

时间序列分析 非常有趣的时间序列机器学习模型 这主要集中在使用表格数据集的时间序列分析上。 探索性数据分析（EDA）包含： 每日，每月和每年的销售额 使用Qunatile方法查找数据的异常值 平稳计算，自相关函数（ACF）和偏相关函数（PACF） 我用于时间序列分析的模型 ARIMA，SARIMAX 线性回归 随机森林回归 决策树回归器 梯度提升回归器 Ada Boost回归器 XG加速 K邻居回归器 支持向量回归 LSTM

销售_预测 基于kaggle数据集的时间序列分析和预测项目。 在这个项目中，我使用了从指数平滑和ARIMA模型到Facebook的Prophet库的最新预测技术，以便预测俄罗斯公司的未来销售利润。 数据集来自Kaggle.com。 使用RMSE在模型一步预测和实际值之间分析了模型的性能。 表现最好的模型是Prophet，然后是三重指数平滑模型。 找到最佳绩效模型之后，我将其用于预测公司中各个商店的未来利润。 结果可以在sales_plots文件夹中找到； 它们采用交互式可绘制HTML文件的形式。 这些文件无法由GitHub显示，因此我在此处保留了一些文件预览的链接：

除了计算基本统计量和质量参数（例如均值和方差）外，该软件还可以导入和可视化不同的标准时间序列格式，确定并消除跳跃和离群值，并生成数字和出版物质量的图形输出。 双变量统计分析（包括相关系数和线性回归）和时间序列分析（包括自动和互谱分析，小波功率谱，频谱图和周期性）构成了该软件的主要分析功能。

重击 用于计算符号互信息和熵的符号传递的Python模块

心率计算matlab代码hctsa ，高度比较的时间序列分析 hctsa是用于使用以下命令运行高度比较的时间序列分析的软件包（完全支持R2014b或更高版本；用于python cf.）。 该软件提供了一个代码框架，可从时间序列（或时间序列数据集）中提取成千上万的时间序列分析功能，以及用于对数据进行规范化和聚类，生成数据的低维表示的工具，识别不同类别的时间序列之间的区分特征，使用大量时间序列特征集学习多元分类模型，找到与感兴趣时间序列最接近的匹配项，以及一系列其他可视化和分析。 如果您使用此软件，请阅读并引用以下（开放式访问）文章： BD Fulcher和NS Jones。 。 电池系统5，527（2017）。 BD Fulcher，MA Little，NS Jones。 罗伊（J. Roy）。 Soc。 接口10，83（2013）。 非常感谢您提供任何反馈，例如或。 入门 :open_book: :open_book: 综合文件 :open_book: :open_book: 因为hctsa开启了。 下载资料库 对于不熟悉git的用户，只需单击绿色的Download .zip按钮即可下载存储库的当前版本。 建议将存储库与git一起使用。 为此，请使用以下代码将其克

Time series analysis: forecasting and control 4th edition

Multivariate Time Series Analysis: With R and Financial Applications。多元时间序列分析的经典书籍