第一章 合并多个数据源数据
第二章 抽取样本，选择和缓存数据
第三章 处理缺失数据
第四章 处理日期
第五章 处理时序数据
第六章 文件操作
第七章 效率
2021-07-11 16:07:51
1.69MB
朴素法、简单平均法、简单指数法、霍尔特（Holt）线性趋势法、Holt-Winters季节性预测模型、自回归移动平均模型
2021-06-15 19:01:37
956KB
以JetRail高铁的乘客数量为例——朴素法、简单平均法、简单指数法、霍尔特（Holt）线性趋势法、Holt-Winters季节性预测模型、自回归移动平均模型
2021-06-15 19:01:36
622KB
03年到19年第一季度分季度的数据，13年之前只有传统汽车的销量，13年之后是传统汽车+新能源汽车的销量，需要预测未来三期传统汽车的销量
2021-05-20 17:00:48
18KB
1
ARIMA模型（英语：Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），是时间序列预测分析方法之一。ARIMA(p，d，q)中，AR是“自回归”，p为自回归项数；MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。“差分”一词虽未出现在ARIMA的英文名称中，却是关键步骤。
2021-05-18 20:06:11
590KB
1
时序数据-LSTM模型-实现用电量预测，里面包含数据和代码，代码讲解见：https://mtyjkh.blog.csdn.net/article/details/115612319
2021-04-13 14:08:29
549KB
1
时序数据数据预处理、特征提取代码。分段特征、统计特征、熵特征。时间序列.rar
2021-03-13 22:05:06
5KB
1
用BiLSTM预测单特征时序数据和多特征时序数据，并提供样例数据。可以将自己的数据根据样例数据的格式进行修改，则可直接运行
2021-02-26 16:12:31
109KB
1