时间序列分析系列教程

博客围绕时间序列分析展开,介绍了相关基础知识,包含Python处理时间序列的教程。重点提及LSTM和ARIMA,给出了使用Keras进行LSTM实战、利用ARIMA进行时间序列数据分析等相关文章链接,为时间序列分析学习提供参考。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

时间序列分析(1) 基本概念与实战 https://zhuanlan.zhihu.com/p/60023855
时间序列分析(2) ARIMA 模型 https://zhuanlan.zhihu.com/p/60648709
时间序列分析(3) Linear Regression https://zhuanlan.zhihu.com/p/61757808
时间序列分析(4) RNN/LSTM https://zhuanlan.zhihu.com/p/62774810
时间序列分析(5) TCN https://zhuanlan.zhihu.com/p/69919158

时间序列预测-深度好文 https://www.cnblogs.com/bonelee/p/9902480.html

LSTM

1.使用Keras进行LSTM实战——多变量LSTM预测模型(https://blog.youkuaiyun.com/u012735708/article/details/82769711)

2.keras:4)LSTM函数详解 https://blog.youkuaiyun.com/jiangpeng59/article/details/77646186

3.Multi-step Time Series Forecasting with Long Short-Term Memory Networks in Python https://machinelearningmastery.com/multi-step-time-series-forecasting-long-short-term-memory-networks-python/
4.通过keras例子理解LSTM 循环神经网络(RNN) https://blog.youkuaiyun.com/zwqjoy/article/details/80493341

ARIMA

1.利用ARIMA进行时间序列数据分析(Python) https://blog.youkuaiyun.com/u012735708/article/details/82460962
2.

基础知识

Python处理时间序列datetime,dateutil,to_datetime 教程
https://blog.youkuaiyun.com/qq_36523839/article/details/80083946

近十年来,研究者分析时间序列数据的方式发生了巨大变化。这本十分必需的书归纳了这一日益重要领域的主要最新进展,并就其现有表述给出了一个单一的一致的表示。汉密尔顿就诸如向量自回归、广义矩方法估计、单位根的经济和统计结果、随时间变化的方差以及非线性时间序列模型等重要创新,首次给出了一本完整的和详细的教科书。另外,汉密尔顿还介绍了动态系统分析的传统工具,如线性表示、自协方差、生成函数、谱分析以及卡尔曼滤子,并介绍了它们在经济理论以及研究并解释真实一世界数据两方面的用途。 本书的目的在于为学生、研究者和预测者提供关于动态系统、经济计量学和时间序列分析方面的概览。从第一个原理开始,汉密尔顿的明析介绍使得新旧进展皆适合于大学一年级学生和非专业人员。另外,时间序列分析从内容的广度和深度上使其成为该领域前沿研究者不可多得的一本参考书。汉密尔顿通过大量的数值例子解释理论结果如何在实践中运用并将大量推导细节放在每章末的数学附录中,以此达到了上述双重目的。本书为该领域的学生和研究者提供了一个路径地图,相信在未来几年内它都会是较权威的指南。 詹姆斯D.汉密尔顿是加利福尼亚大学圣地亚哥分校的经济学教授。他获得了加利福尼亚大学伯克利分校的博士学位,并曾在弗吉尼亚大学任教。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值