Practical Time Series Analysis
最新书摘：
-
图灵社区2023-01-06物联网、数字化医疗和智慧城市的兴起产生了大量数据，因此时间序列数据及其分析变得越来越重要。可以预见在未来的几年里，时间序列数据的规模将快速增长，其质量和重要性也将快速提高。随着不间断的数据监控与数据收集变得越来越普遍，人们越来越需要应用机器学习和统计方法来进行时间序列分析。事实上，最有潜力的新模型便结合了这两种方法。为此，本书将详细讨论每一种方法，并介绍那些被广泛应用于分析和预测人类行为、科学现象和私营企业表现的时间序列技术。这些领域都提供了丰富的时间序列数据。让我们先从定义开始。时间序列分析是指从按照时间顺序排列的数据点中提取出有意义的模式和统计信息。这样做既是为了审视历史，也是为了预测未来。在本书中，我们将学习多种方法，从有数百年历史的统计模型，到新兴的神经网络架构。这些技术既不是凭空产生的，也不是纯理论研究的产物。时间序列分析的创新源于收集、记录和可视化数据的新方法。接下来我们将概述时间序列分析在各种应用领域中的起源。