91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
時(shí)間序列分析實(shí)戰(zhàn)：基于機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)
時(shí)間序列分析實(shí)戰(zhàn)：基于機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)
Aileen Nielsen 著
王祎, 馮英睿 譯
出版時(shí)間：2023年01月
頁(yè)數(shù)：515
“這本書是不錯(cuò)的資源。每個(gè)數(shù)據(jù)科學(xué)家都會(huì)在某個(gè)時(shí)刻開(kāi)始處理時(shí)間序列或其他類型的函數(shù)型數(shù)據(jù)。這本書介紹了機(jī)器學(xué)習(xí)和時(shí)間序列分析，并提供了精心設(shè)計(jì)的示例?！?br /> ——Andreas W. Kempa-Liehr博士
奧克蘭大學(xué)工程科學(xué)系講師

天氣、股票、心跳都會(huì)產(chǎn)生時(shí)間序列數(shù)據(jù)，物聯(lián)網(wǎng)、數(shù)字化醫(yī)療和智慧城市的興起更是產(chǎn)生了大量的時(shí)間序列數(shù)據(jù)。隨著數(shù)據(jù)的規(guī)?？焖僭鲩L(zhǎng)，應(yīng)用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)方法進(jìn)行時(shí)間序列分析的做法越來(lái)越普遍，也越來(lái)越重要。
本書從實(shí)戰(zhàn)角度介紹時(shí)間序列分析中的創(chuàng)新技術(shù)和實(shí)際用例，幫助你結(jié)合使用傳統(tǒng)的統(tǒng)計(jì)方法和先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)來(lái)解決時(shí)間序列分析中的常見(jiàn)問(wèn)題。由于Python和R都是時(shí)間序列分析常用的語(yǔ)言，因此本書兼顧這兩種語(yǔ)言并對(duì)時(shí)間序列進(jìn)行全面的闡釋，可以讓數(shù)據(jù)分析師、數(shù)據(jù)工程師和其他與數(shù)據(jù)打交道的讀者快速上手。
● 發(fā)現(xiàn)并整理時(shí)間序列數(shù)據(jù)
● 針對(duì)時(shí)間序列進(jìn)行探索性數(shù)據(jù)分析
● 模擬時(shí)間序列
● 存儲(chǔ)時(shí)間序列
● 為時(shí)間序列生成并選擇特征
● 測(cè)量誤差
● 使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)分析時(shí)間序列
● 評(píng)估模型的精度和性能
  1. 前言
  2. 第1章　時(shí)間序列：概述和簡(jiǎn)史
  3. 1.1　時(shí)間序列在歷史上的各種應(yīng)用
  4. 1.1.1　醫(yī)學(xué)中的時(shí)間序列問(wèn)題
  5. 1.1.2　氣象預(yù)測(cè)
  6. 1.1.3　經(jīng)濟(jì)增長(zhǎng)預(yù)測(cè)
  7. 1.1.4　天文學(xué)
  8. 1.2　時(shí)間序列分析的興起
  9. 1.3　統(tǒng)計(jì)時(shí)間序列分析的起源
  10. 1.4　時(shí)間序列分析在機(jī)器學(xué)習(xí)領(lǐng)域的起源
  11. 1.5　更多資源
  12. 第2章　時(shí)間序列的發(fā)現(xiàn)與整理
  13. 2.1　時(shí)間序列數(shù)據(jù)何處尋
  14. 2.1.1　準(zhǔn)備好的數(shù)據(jù)集
  15. 2.1.2　“找到的時(shí)間序列”
  16. 2.2　將表集合改造成時(shí)間序列數(shù)據(jù)集合
  17. 2.2.1　示例：組裝時(shí)間序列數(shù)據(jù)集合
  18. 2.2.2　構(gòu)造“找到的時(shí)間序列”
  19. 2.3　時(shí)間戳問(wèn)題
  20. 2.3.1　誰(shuí)的時(shí)間戳
  21. 2.3.2　推測(cè)時(shí)間戳以理解數(shù)據(jù)
  22. 2.3.3　什么是有意義的時(shí)間尺度
  23. 2.4　清理數(shù)據(jù)
  24. 2.4.1　處理數(shù)據(jù)缺失
  25. 2.4.2　上采樣和下采樣
  26. 2.4.3　數(shù)據(jù)平滑
  27. 2.4.4　季節(jié)性數(shù)據(jù)
  28. 2.4.5　時(shí)區(qū)
  29. 2.4.6　預(yù)防前瞻
  30. 2.5　更多資源
  31. 第3章　針對(duì)時(shí)間序列的探索性數(shù)據(jù)分析
  32. 3.1　常用方法
  33. 3.1.1　折線圖
  34. 3.1.2　直方圖
  35. 3.1.3　散點(diǎn)圖
  36. 3.2　探索時(shí)間序列數(shù)據(jù)的方法
  37. 3.2.1　理解平穩(wěn)性
  38. 3.2.2　應(yīng)用窗口函數(shù)
  39. 3.2.3　理解和識(shí)別自相關(guān)性
  40. 3.2.4　偽相關(guān)性
  41. 3.3　一些有用的可視化方式
  42. 3.3.1　一維可視化
  43. 3.3.2　二維可視化
  44. 3.3.3　三維可視化
  45. 3.4　更多資源
  46. 第4章　模擬時(shí)間序列
  47. 4.1　模擬時(shí)間序列有何特別之處
  48. 4.2　代碼模擬
  49. 4.2.1　自己動(dòng)手
  50. 4.2.2　構(gòu)建一個(gè)自行運(yùn)轉(zhuǎn)的模擬世界
  51. 4.2.3　物理模擬
  52. 4.3　寫在最后
  53. 4.3.1　統(tǒng)計(jì)模擬
  54. 4.3.2　深度學(xué)習(xí)模擬
  55. 4.4　更多資源
  56. 第5章　存儲(chǔ)時(shí)間序列
  57. 5.1　定義需求
  58. 5.2　數(shù)據(jù)庫(kù)解決方案
  59. 5.2.1　SQL與NoSQL
  60. 5.2.2　流行的時(shí)間序列數(shù)據(jù)庫(kù)
  61. 5.3　文件解決方案
  62. 5.3.1　NumPy
  63. 5.3.2　Pandas
  64. 5.3.3　R語(yǔ)言中的標(biāo)準(zhǔn)格式
  65. 5.3.4　Xarray
  66. 5.4　更多資源
  67. 第6章　時(shí)間序列的統(tǒng)計(jì)模型
  68. 6.1　為什么不使用線性回歸
  69. 6.2　時(shí)間序列的統(tǒng)計(jì)方法
  70. 6.2.1　自回歸模型
  71. 6.2.2　移動(dòng)平均模型
  72. 6.2.3　差分自回歸移動(dòng)平均模型
  73. 6.2.4　向量自回歸模型
  74. 6.2.5　多樣的統(tǒng)計(jì)模型
  75. 6.3　時(shí)間序列統(tǒng)計(jì)模型的優(yōu)缺點(diǎn)
  76. 6.4　更多資源
  77. 第7章　時(shí)間序列的狀態(tài)空間模型
  78. 7.1　狀態(tài)空間模型的優(yōu)缺點(diǎn)
  79. 7.2　卡爾曼濾波器
  80. 7.2.1　概述
  81. 7.2.2　為卡爾曼濾波器編碼
  82. 7.3　隱馬爾可夫模型
  83. 7.3.1　模型的工作原理
  84. 7.3.2　如何擬合模型
  85. 7.3.3　通過(guò)編碼實(shí)現(xiàn)擬合
  86. 7.4　貝葉斯結(jié)構(gòu)時(shí)間序列
  87. 7.5　更多資源
  88. 第8章　時(shí)間序列的特征生成與選擇
  89. 8.1　入門示例
  90. 8.2　生成特征時(shí)需要考慮什么
  91. 8.2.1　時(shí)間序列的性質(zhì)
  92. 8.2.2　領(lǐng)域知識(shí)
  93. 8.2.3　外部考慮因素
  94. 8.3　何處尋找特征靈感
  95. 8.3.1　開(kāi)源時(shí)間序列特征生成庫(kù)
  96. 8.3.2　特定領(lǐng)域的特征示例
  97. 8.4　生成特征后如何進(jìn)行選擇
  98. 8.5　結(jié)語(yǔ)
  99. 8.6　更多資源
  100. 第9章　針對(duì)時(shí)間序列的機(jī)器學(xué)習(xí)
  101. 9.1　時(shí)間序列分類
  102. 9.1.1　生成并選擇特征
  103. 9.1.2　決策樹(shù)方法
  104. 9.2　聚類
  105. 9.2.1　由數(shù)據(jù)生成特征
  106. 9.2.2　具有時(shí)間感知能力的距離度量指標(biāo)
  107. 9.2.3　聚類代碼
  108. 9.3　更多資源
  109. 第10章　針對(duì)時(shí)間序列的深度學(xué)習(xí)
  110. 10.1　深度學(xué)習(xí)概念
  111. 10.2　通過(guò)編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)
  112. 10.3　構(gòu)建訓(xùn)練流程
  113. 10.3.1　檢查數(shù)據(jù)集
  114. 10.3.2　訓(xùn)練流程的步驟
  115. 10.4　前饋網(wǎng)絡(luò)
  116. 10.4.1　一個(gè)簡(jiǎn)單示例
  117. 10.4.2　運(yùn)用注意力機(jī)制使前饋網(wǎng)絡(luò)更具時(shí)間意識(shí)
  118. 10.5　卷積神經(jīng)網(wǎng)絡(luò)
  119. 10.5.1　一個(gè)簡(jiǎn)單的卷積模型
  120. 10.5.2　其他可用的卷積模型
  121. 10.6　循環(huán)神經(jīng)網(wǎng)絡(luò)
  122. 10.6.1　繼續(xù)研究用電量示例
  123. 10.6.2　創(chuàng)新：自編碼器
  124. 10.7　組合架構(gòu)
  125. 10.8　結(jié)語(yǔ)
  126. 10.9　更多資源
  127. 第11章　測(cè)量誤差
  128. 11.1　基礎(chǔ)知識(shí)：如何檢驗(yàn)預(yù)測(cè)結(jié)果
  129. 11.2　預(yù)測(cè)結(jié)果何時(shí)才算足夠好
  130. 11.3　通過(guò)模擬估計(jì)模型中的不確定性
  131. 11.4　預(yù)測(cè)多步
  132. 11.4.1　直接擬合感興趣的范圍
  133. 11.4.2　針對(duì)較遠(yuǎn)時(shí)間步的遞歸方法
  134. 11.4.3　對(duì)時(shí)間序列應(yīng)用多任務(wù)學(xué)習(xí)
  135. 11.5　模型驗(yàn)證陷阱
  136. 11.6　更多資源
  137. 第12章　擬合及使用時(shí)間序列模型時(shí)的性能考量
  138. 12.1　使用為一般用例構(gòu)建的工具
  139. 12.1.1　用于橫截面數(shù)據(jù)的模型不在樣本間“共享”數(shù)據(jù)
  140. 12.1.2　沒(méi)有預(yù)先計(jì)算的模型造成數(shù)據(jù)測(cè)量與預(yù)測(cè)間的非必要延遲
  141. 12.2　數(shù)據(jù)存儲(chǔ)格式的優(yōu)缺點(diǎn)
  142. 12.2.1　以二進(jìn)制格式存儲(chǔ)數(shù)據(jù)
  143. 12.2.2　以能夠在數(shù)據(jù)上“滑動(dòng)”的方式預(yù)處理
  144. 12.3　為適應(yīng)性能考量而修改分析
  145. 12.3.1　使用所有數(shù)據(jù)不一定更好
  146. 12.3.2　復(fù)雜的模型并不總是表現(xiàn)得更好
  147. 12.3.3　簡(jiǎn)要介紹可用的高性能工具
  148. 12.4　更多資源
  149. 第13章　醫(yī)療保健應(yīng)用
  150. 13.1　流感預(yù)測(cè)
  151. 13.1.1　案例研究：發(fā)生在大都市的流感疫情
  152. 13.1.2　流感預(yù)測(cè)領(lǐng)域的最新技術(shù)
  153. 13.2　血糖水平預(yù)測(cè)
  154. 13.2.1　探索和清洗數(shù)據(jù)
  155. 13.2.2　生成特征
  156. 13.2.3　擬合模型
  157. 13.3　更多資源
  158. 第14章　金融應(yīng)用
  159. 14.1　獲取并探索金融數(shù)據(jù)
  160. 14.2　金融數(shù)據(jù)預(yù)處理與深度學(xué)習(xí)
  161. 14.2.1　由原始數(shù)據(jù)生成新指標(biāo)
  162. 14.2.2　轉(zhuǎn)換數(shù)據(jù)并避免前瞻
  163. 14.2.3　為神經(jīng)網(wǎng)絡(luò)格式化數(shù)據(jù)
  164. 14.3　構(gòu)建并訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)
  165. 14.4　更多資源
  166. 第15章　政務(wù)應(yīng)用
  167. 15.1　獲取政府?dāng)?shù)據(jù)
  168. 15.2　探索時(shí)間序列大數(shù)據(jù)
  169. 15.2.1　在遍歷數(shù)據(jù)時(shí)進(jìn)行上采樣并聚合
  170. 15.2.2　對(duì)數(shù)據(jù)排序
  171. 15.3　時(shí)間序列數(shù)據(jù)的在線統(tǒng)計(jì)分析
  172. 15.3.1　剩余問(wèn)題
  173. 15.3.2　后續(xù)改進(jìn)
  174. 15.4　更多資源
  175. 第16章　時(shí)間序列工具包
  176. 16.1　規(guī)?；A(yù)測(cè)
  177. 16.1.1　谷歌內(nèi)部的工業(yè)級(jí)預(yù)測(cè)框架
  178. 16.1.2　Facebook的Prophet開(kāi)源工具包
  179. 16.2　異常檢測(cè)
  180. 16.3　其他時(shí)間序列工具包
  181. 16.4　更多資源
  182. 第17章　關(guān)于預(yù)測(cè)的預(yù)測(cè)
  183. 17.1　預(yù)測(cè)即服務(wù)
  184. 17.2　深度學(xué)習(xí)提高了概率
  185. 17.3　重要性正由統(tǒng)計(jì)方法向機(jī)器學(xué)習(xí)方法轉(zhuǎn)移
  186. 17.4　更深入地結(jié)合統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法
  187. 17.5　涉及日常生活的更多預(yù)測(cè)
書名：時(shí)間序列分析實(shí)戰(zhàn)：基于機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)
作者：Aileen Nielsen 著
譯者：王祎, 馮英睿 譯
國(guó)內(nèi)出版社：人民郵電出版社
出版時(shí)間：2023年01月
頁(yè)數(shù)：515
書號(hào)：978-7-115-60544-3
原版書書名：Practical Time Series Analysis
原版書出版商：O'Reilly Media
Aileen Nielsen
 
Aileen Nielsen是來(lái)自美國(guó)紐約的軟件工程師和數(shù)據(jù)分析師。她畢業(yè)于耶魯大學(xué)和普林斯頓大學(xué)，從事過(guò)多個(gè)領(lǐng)域的時(shí)間序列研究工作，包括醫(yī)療行業(yè)、物理學(xué)研究和金融行業(yè)等。她目前專注于研發(fā)用于預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)。
 
 
本書封面上的動(dòng)物是一只藍(lán)臉萊斯特綿羊（學(xué)名是Ovis aries）。藍(lán)臉萊斯特綿羊是一種英國(guó)綿羊品種，它最早于18世紀(jì)在萊斯特郡的迪什利繁育。如今，英國(guó)和加拿大各地的農(nóng)民都在培育這種特殊品種的綿羊。
藍(lán)臉萊斯特綿羊的白色羊毛可用于制作精美、有光澤的羊毛織品和高質(zhì)量的手工紡紗。在藍(lán)灰色面孔的襯托下，藍(lán)臉萊斯特綿羊的棕色眼睛顯得格外突出。藍(lán)臉萊斯特綿羊有著健壯的背部、肩膀和頸部，以及寬闊的口鼻和黑色的蹄子。它的腿上和臉上都沒(méi)有毛。
成年藍(lán)臉萊斯特綿羊的體重介于91千克和109千克之間。公羊從蹄到肩的平均身高為0.91米，母羊則為0.84米。同大多數(shù)綿羊一樣，藍(lán)臉萊斯特綿羊以青草、野草和鮮花為食。放牧?xí)r，羊群中平均有20只母羊。
藍(lán)臉萊斯特綿羊之所以受到追捧，是因?yàn)檫@種羊有一種被業(yè)界稱為“騾子”的本領(lǐng)。這里的“騾子”是指一種繁殖率高的母羊，飼養(yǎng)者通過(guò)將其與其他品種雜交來(lái)培育出供給市場(chǎng)的羔羊。
購(gòu)買選項(xiàng)
定價(jià)：139.80元
書號(hào)：978-7-115-60544-3
出版社：人民郵電出版社