hustqb的博客

声明：本文是系列课程的第一课本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享者时间序列预测与监督学习时间序列预测可以被构建成监督学习问题，进而可以应用各种常见的机器学习算法。通过本文你将学会：什么是监督学习？机器学习中的预测算法是如何工作的。滑动窗口方法及其在时间序列中的应用。如何使用滑动窗口处理多变量(multivariate)时间序列和时间序列的多步(m...

声明：本文是系列课程的第二课本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享下载序列数据集要使用的Python第三方库：Pandas通过本文，你可以学到：如何使用pandas读取一个csv文件。如何查看加载的数据，如何计算数据的统计量。如何可视化时间序列Daily Female Births Dataset数据集：Daily Female Birt...

声明：本文是系列课程的第三课本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享用Python进行时间序列可视化Python中有6中可视化时间序列的方法 时间序列本身的特性决定了它很容易被可视化，特别适用于折线图。然而，还有一些其他方法可以可视化时间序列，而且会展现时间序列其他方面的信息。我们对要分析的时间序列了解的越多，建立的预测模型就会越好，所以要好好学习这节课~...

声明：本文是系列课程的第4课本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享时间序列预测的baseline创建一个baseline总是时间序列预测的关键一步。一个baseline可以帮助我们了解模型的好坏。本文将会创建一个基本的时间序列预测模型——persistence模型，该模型的预测可以作为一个baseline。通过本文，你将学到：baseline的重要性。...

声明：本文是系列课程的第5课本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享用于时间序列的自相关模型AMAM简单高效，它以t-1时刻的值为输入，经过回归方程获取预测值。在本文中，你讲学到：如何研究时间序列的自相关性如何定义一个自相关模型如何使用自相关模型进行预测Autoregression线性回归y^=b0+b1⋅X1y^=b0+b1⋅X1\h...

声明：本文是系列课程的第6课本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享用ARIMA模型进行时间序列预测ARIMA(AutoRegressive Intergrated Moving Average)是一个非常非常流行的时间序列预测模型。通过本文，你将了解：ARIMA模型及其参数ARIMA的使用ARIMA的调优ARIMA该模型可以看做几个模型的...

声明： 终于到最后一天了，开不开心，激不激动？来瓶香槟奖励一下自己。 然后今天的任务很艰巨….毕竟最后一天了，笔者也有点小激动，可能行文风格有点飘，哈哈不要见怪。另外，再安利一波，加入这个机器学习社区跟着大神Jason一起学习吧。用Python预测法国香槟的月销量要做好时间序列预测，唯一的方法就是实践。practice, practice, practice.在本教程中，你...

声明：本文是系列课程的开始本文是对机器学习网站课程的翻译尊重原作者，尊重知识分享者课程列表时间序列与监督学习下载时间序列数据集数据可视化persistence模型自回归模型ARIMA模型“Hello World”项目每个课程将占用1-30min，加油干吧！ Hang in there, don’t give up!...