課程簡介

时间序列分析简介

  • 时间序列数据概述
  • 时间序列的组成部分:趋势、季节性、噪声
  • 在Google Colab中设置时间序列分析

时间序列的探索性Data Analysis分析

  • 可视化时间序列数据
  • 分解时间序列的组成部分
  • 检测季节性和趋势

时间序列的ARIMA模型Forecasting

  • 理解ARIMA(自回归积分滑动平均模型)
  • 选择ARIMA模型的参数
  • 在Python中实现ARIMA模型

Prophet时间序列分析简介Forecasting

  • Prophet时间序列预测概述
  • 在Google Colab中实现Prophet模型
  • 处理预测中的节假日和特殊事件

高级Forecasting技术

  • 处理时间序列中的缺失数据
  • 多变量时间序列预测
  • 使用外部回归变量定制预测

评估和微调预测模型

  • 时间序列预测的性能指标
  • 微调ARIMA和Prophet模型
  • 交叉验证和回测

时间序列分析的实际应用

  • 时间序列预测的案例研究
  • 使用真实数据集进行实践练习
  • 在Python中继续时间序列分析的下一步

总结与下一步

最低要求

  • 具备Python编程的中级知识
  • 熟悉基本统计和数据分析技术

受众

  • 数据分析师
  • 数据科学家
  • 处理时间序列数据的专业人员
 21 時間:

客戶評論 (5)

課程分類