18第18章 时间序列分析(Python 程序及数据).zip

通过状态空间方法的时间序列分析

时间序列分析 人大出版社 汉密尔顿 商业数据分析的价值？如何着手商业数据分析实践？ 汉密尔顿的时间系列分析，这是一本高级教程，可做高年级的本科生或研究生用，线性代数用的非常多。希望能对大家有帮助！！

实用的时间序列分析 这是出版的《 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 时间序列分析使我们能够分析一段时间内的某些数据并了解数据随时间变化的模式，这本书将使您了解时间序列分析背后的逻辑并将其应用于各个领域，包括财务，业务和社交媒体。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： import os import pandas as pd %matplotlib inline from matplotlib import pyplot as plt import seaborn as sns 您将需要Anaconda Python发行版来运行本书中的示例，并编写自己的Python程序以进行时间序列分析。 可从免费下载。 本书的代码示例是使用Jupyter Noteb

时间序列分析——基于R（第2版）R程序

机器学习的时间序列预测 一组预测时间序列的不同机器学习模型，具体来说是给定货币图表和目标的市场价格。 要求 必需的依赖项： numpy 。 其他依赖项是可选的，但是为了使最终模型更多样化，建议安装以下软件包： tensorflow ， xgboost 。 经过python版本测试：2.7.14、3.6.0。 取得资料 有一个内置的数据提供程序，可以从获取数据。 目前，所有模型都已通过加密货币图表进行了测试。 提取的数据格式是标准安全性：日期，最高，最低，打开，关闭，交易量，报价量，weightedAverage。 但是模型与特定的时间序列特征无关，并且可以使用这些特征的子集或超集进行训练。 要获取数据， 从根目录运行脚本： # Fetches the default tickers: BTC_ETH, BTC_LTC, BTC_XRP, BTC_ZEC for all time periods. $ ./run_fetch.py 默认情况下，将提取Poloniex中所有可用时间段（天，4h，2h，30m，15m，5m）的数据，并将其存储在_data目录中。 您可以通过命令行参

时间序列分析——基于R（第2版）习题答案，王燕，2012版

时间序列（time series）是一组按照时间发生先后顺序进行排列的离散序列，是日常生活中最常见的数据形式之一。对时间序列的分析是既是统计学中的重要问题，也是人工智能、数据挖掘的一个重要应用方向。 本课程面向人工智能学院的本科生和研究生，重点关注统计学中分析时间序列的基本思路、模型以及方法。同时强调使用人工智能技术对时序数据这一种特殊的数据类型进行分析，也关注使用“时间序列分析”中的思路看待和解决人工智能领域的实际问题。 课程内容将从时间序列的发展历程、平稳性、经典分析模型等概念先后推进。课程中也会介绍人工智能的相关技术，如使用循环神经网络进行时间序列的建模，或使用时间序列中的自回归、指数平均思想建模机器学习、计算机视觉的重要问题。

时间序列分析，PM2.5数据集

EntropyHub：用于熵时间序列分析的开源工具包。 欢迎来到EntropyHub。 顾名思义，EntropyHub是一个软件包，提供了一组全面的功能，可以根据时间序列数据计算信息理论上的熵测度。 EntropyHub专为所有用户而设计，可在MatLab，Python和Julia中使用，并在所有三种语言中提供简单一致的语法。 从相对简单（例如样本熵）到更高级的度量（例如复合多尺度校正的交叉条件熵），用户可以通过指定关键字参数来轻松地从命令行扩展每种熵方法。 目前，共有18个基本/核心熵函数，8个交叉熵函数和3个二维熵函数，所有这些函数都可以使用时延嵌入进行状态空间重构。 除了这些，还可以使用每个基本函数和交叉熵函数的多尺度变体，包括复合，精细和分层的多尺度方法。 因此，EntropyHub的目标是使复杂的测量过程变得简单。 随着科学文献中出现更多推导近似熵的方法，EntropyH