Tag: 时间序列

2021
AI模型序列模型

预测：方法与实践

摘要: 《预测：方法与实践》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 本书是《预测： 方法与实践》，2018年4月的第二版，主要变化如下： 最大的变化是更加聚焦时间序列预测。也就是说，我们不

AI模型序列模型

金融时间序列经典书

摘要: 《金融时间序列分析》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings Analysis_of_Financial_Time_Series_3rd 金融时间

AI模型序列模型

时间序列分析经典书

摘要: 《时间序列分析与应用》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 时间：2011(中文版) 作者：Jonathan D.Cryer 代码：R 语言安装 TSA 包

AI业务数据分析

利用Python进行数据分析-时间序列2

在 利用Python进行数据分析-时间序列1 中，我们研究了日期和时间数据的类型，datetime与字符串的互相转换，时间序列的定义、索引、选择、子集，日期范围，频率，移位等话题。 本文中继续研究Pandas时间序列相关内容。主要包括时区处理，时间区间，重采样，频率变换，移动窗口函数。 4. 时区处理时区通常表示成 UTC 的偏置，例如在夏令时期间，纽约比 UTC 时间晚 4 个小时，其余时间晚

AI业务数据分析

利用Python进行数据分析-时间序列1

时间序列可能有固定的时间单位，例如每 5 秒 1 次；也可能没有固定的时间单位。 如何标记和引用时间序列取决于应用场景，关于时间标记，我们可能会有以下中的一项 时间戳 固定的时间区间，例如 2007年1月，2020年 时间间隔，由开始时间戳和结束时间戳表示(固定的时间区间是时间间隔的特殊情况) 实验时间: 每个时间戳是相对于特定开始时间的时间的量度 1. 日期和时间数据的类型以及工具Pyth