課程簡介

ARIMA 模型用于时间序列 Forecasting

高级 Forecasting 技术

评估和微调预测模型

时间序列的探索性 Data Analysis 分析

Prophet 时间序列分析简介 Forecasting

时间序列分析简介

时间序列分析的实际应用

总结与下一步

  • 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 中进行时间序列分析的下一步
  • 处理时间序列中的缺失数据
  • 多变量时间序列预测
  • 使用外部回归变量自定义预测
  • 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
  • 时间序列数据概述
  • 时间序列的组成部分:趋势、季节性、噪声
  • 设置 Google Colab 进行时间序列分析
  • 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
  • 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
  • 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

最低要求

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
  • 具备Python编程的中级知识
  • 熟悉基本统计和数据分析技术
 21 時間:

人數


每位參與者的報價

客戶評論 (5)

Provisional Upcoming Courses (Require 5+ participants)

課程分類