Lavender-csdn的博客

因为自己是做时间序列预测这一块，所以关于阅读的论文也是这一块，主要是深度学习在时间序列预测中的一个应用。其实撇开深度学习而言，时间序列预测本身就有自己的方法：ARIMA、VAR、三指数平滑法、SARIMA等等，还包括机器学习中的方法(回归分析，随机森林，GBDT、Xgboost等等)。因为深度学习被炒得很热，吸引了很多研究人员的目光，所以深度学习在时间序列预测中的应用也越来越受关注，越来越多的论文...

PyFlux是一个用于时间序列分析和预测的库，用户可以从一系列灵活的建模和推断选项中进行选择，并将输出用于预测和回顾，用户可以构建一个完整的概率模型，其中数据y和潜在变量（参数） 通过联合概率p（y，z）将z视为随机变量。概率方法的优势在于，它可以更完整地显示不确定性，这对于诸如预测之类的时间序列任务非常重要。 用户可以在同一统一API中简单地使用“最大似然”估计来提高速度。PyFlux中实现...

预测是一项常见的数据科学任务，可帮助组织进行容量规划，目标设置和异常检测。 尽管它很重要，但是要生成可靠的高质量预测仍面临着严峻的挑战，尤其是在存在各种时间序列且具有时间序列建模专业知识的分析师相对较少的情况下。 为了解决这些挑战，描述了一种实用的“大规模”预测方法，该方法将可配置模型与环路分析员绩效分析相结合。论文中提出了一种模块化回归模型，该模型具有可解释的参数，可以由具有分析能力的分析师直观...

ARMA模型的全称是自回归移动平均模型，它是目前最常用的拟合平稳序列的模型。它又可以细分为AR模型、MA模型和ARMA三大类。都可以看做是多元线性回归模型。AR模型具有如下结构的模型称为阶自回归模型，简记为。 即在t时刻的随机变量的取值是前期的多元线性回归，认为主要是...

常用按时间顺序排列的一组随机变量来表示一个随机事件的时间序列，简记为；用或表示该随机序列的n个有序的观察值，称之为序列长度为n的观察值序列。时间序列在各个领域中都非常常见，就餐饮企业而言，其销售预测可以看做是基于时间序列的短期数据预测，预测对象为具体菜品销售量，在金融领域，尝尝使用历史股票数据来预测未来的股票价格，等等。时间序列预测主要就是使用已知的历史数据，来预测未来的数据，其关键就是抓...