掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
時間序列與機器學習 版權信息
- ISBN：9787121478178
- 條形碼：9787121478178 ; 978-7-121-47817-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
時間序列與機器學習 本書特色
時間序列的分析、預測及異常檢測方法。 時間序列的相似性度量方法與聚類算法。 多維時間序列及其在多個場景下的應用。 運維、金融、廣告領域案例和解決方案。 本書作者在時間序列和機器學習領域深耕多年，經驗豐富，曾主導多個相關項目，獨立探索應用新方向，并取得顯著成績和效益，獲得團隊和業內的高度評價。本書將嚴謹的數學描述和應用實踐結合起來，內容完備、充實，實用性強，值得一讀。 騰訊前專家研究員、微軟前高級研究員 岳亞丁 將時間序列的分析與預測用于大規模的數據生產一直存在諸多困難，作者結合自身的運維經歷，將實際應用與傳統時間序列分析、現代機器學習技術融入本書，其中的眾多創新點讓人耳目一新。這是一本注重實踐、理論豐富、案例生動的優秀圖書，為讀者提供了清晰完整的參考內容。 騰訊運維總監、專家工程師 聶鑫 與以往的時間序列分析圖書相比，本書更注重實踐，以及如何用理論解決實際問題。本書通過案例分析，將復雜的時間序列分析和機器學習技術轉化為清晰易懂的解決方案，理論與實踐兼備。 上海財經大學信息管理與工程學院副院長，教授 楊超林 本書是一本實戰與理論并重的跨界佳作。作者憑借扎實的數學功底及其在企業界的豐富實踐經驗，將機器學習與時間序列分析巧妙融合。本書以實際應用為核心，結合大量企業案例與實踐經驗，使讀者在掌握復雜理論的同時迅速提升解決實際問題的能力。本書將帶領讀者領略機器學習在時間序列領域的無限可能，激發新思路，開拓新邊界。 華東師范大學計算機科學與技術學院副教授 王祥豐 在數據驅動的時代，理解并分析時間序列數據的能力變得尤為重要。本書不僅深入淺出地介紹了時間序列的基礎知識和機器學習的先進技術，還通過實際案例展示了如何在多個領域應用這些技術，是一本不可多得的參考圖書。 曲阜師范大學數學科學學院教授 高睿 對于希望在時間序列分析和機器學習領域取得突破的人來說，本書是一份寶貴的學習資料，其中既有深入的理論探討，又有廣泛的應用實例，是將理論研究與實踐應用結合的典范。 上海交通大學自然科學研究院、數學科學學院教授 王海濤 這是一本兼具深度和廣度的作品，針對如何利用前沿的機器學習技術來分析和預測時間序列數據的問題，為讀者提供了一個全面的指南。本書具有豐富的案例和清晰的解釋，是領域內不可多得的學習資源。 香港中文大學經濟學系副教授 何暐 張戎博士多年來一直從事與機器學習相關的研究與應用工作，涉及安全、運維、推薦系統等多個領域，尤其擅長時間序列與機器學習相結合的工作。本書以簡潔易懂的方式介紹了時間序列分析及其在機器學習中的應用。書中既包含嚴格的數學推導，也包含具體的例子和代碼，篇幅合理，是一本非常適合初學者及相關從業人員閱讀的優秀圖書。 西交利物浦大學金融與精算數學系助理教授 衛然 本書不僅是一部理論著作，更是一本實戰指南。對于實踐者而言，本書提供了用時間序列分析與機器學習技術解決實際問題的框架和方法。本書可以幫助我更有效地指導學生解決真實世界中的復雜問題，如市場預測、風險管理等。對于希望在學習與工作中運用時間序列數據輔助金融及財務決策的人來說，本書是不可或缺的資料。 南開大學會計系助理教授 王潔璇
時間序列與機器學習 內容簡介
本書分為8章，內容包括時間序列分析的基礎知識、時間序列預測的常用方法，以及神經網絡在時間序列預測中的應用；時間序列異常檢測算法的技術與框架，如何識別異常的時間點及多種異常檢測方法；時間序列的相似性度量方法、聚類算法；多維時間序列在廣告分析和業務運維領域的應用，利用OLAP技術對多維時間序列進行有效處理，通過根因分析技術獲得導致故障的維度和元素；智能運維領域（AIOps）和金融領域的兩個應用場景。
本書適合數據科學家、機器學習工程師、金融領域從業者，以及對時間序列分析和機器學習感興趣的讀者閱讀。本書可作為高等院校計算機、統計學、金融學等相關專業師生的教材和參考資料。
時間序列與機器學習 目錄
第1 章時間序列概述 1
1.1 發展歷程 1
1.2 應用現狀 3
1.3 時間序列分類4
1.3.1 單維時間序列4
1.3.2 多維時間序列6
1.4 小結 8
第2 章時間序列的信息提取 9
2.1 特征工程的入門知識9
2.1.1 特征工程簡介9
2.1.2 數值型特征 12
2.1.3 類別型特征 17
2.1.4 交叉特征 17
2.2 時間序列的預處理 18
2.2.1 時間序列的缺失值 18
2.2.2 時間序列的縮放 20
2.3 時間序列的特征工程24
2.4 時間序列的統計特征28
2.5 時間序列的熵特征 32
2.6 時間序列的降維特征38
2.6.1 分段聚合逼近38
2.6.2 分段線性逼近39
2.6.3 分段常數逼近41
2.6.4 符號逼近 42
2.6.5 *大三角形三桶算法43
2.6.6 用神經網絡自動生成特征的算法 44
2.7 時間序列的單調性 53
2.7.1 線性擬合方法54
2.7.2 控制圖方法 55
2.7.3 均線方法 60
2.8 小結 63
第3 章時間序列預測 64
3.1 時間序列預測的統計方法 65
3.1.1 自回歸差分移動平均模型 65
3.1.2 指數平滑方法72
3.1.3 Prophet 75
3.2 時間序列預測的深度學習方法 83
3.2.1 循環神經網絡83
3.2.2 長短期記憶網絡 85
3.2.3 Transformer 90
3.2.4 Informer96
3.3 小結·100
第4 章時間序列異常檢測 101
4.1 異常類型及檢測方法分類 101
4.2 基于概率密度的方法 104
4.2.1 核密度估計原理 104
4.2.2 核密度估計方法 106
4.3 基于重構的方法 111
4.3.1 變分自編碼器 111
4.3.2 Donut 115
4.4 基于距離的方法 117
4.4.1 孤立森林 118
4.4.2 RRCF 121
4.5 基于有監督的方法 125
4.6 基于弱監督的方法 127
4.7 小結 129
第5 章時間序列的相似度與聚類 130
5.1 相似度函數 130
展開全部
時間序列與機器學習 作者簡介
張戎，新加坡國立大學數學博士，深圳孔雀計劃高層次人才，數學和機器學習領域科普作家，數學、科研和深度學習等話題的優秀自媒體工作者, 曾多次擔任行業技術大會講師。博士期間從事動力系統的研究工作，博士論文中解決了非正則吸引子的存在性問題。畢業之后在工業界從事人工智能的研發工作，涉及業務包括推薦系統、安全大數據和智能運維等內容。 羅齊，碩士畢業于香港中文大學（深圳），現就職于某互聯網公司，從事算法應用研究工作，研究方向為游戲數據挖掘和智能運維，曾參與多款熱門游戲的數據挖掘和智能運維工作。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
朝聞道
- >
史學評論
- >
伯納黛特,你要去哪(2021新版)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
