Часовий ряд. Практичний аналіз і прогнозування з використанням статистики та машинного навчання

Aileen Nielsen

Аналіз часових рядів набуває значення. Зі збільшенням оцифровки даних охорони здоров’я, розвитком розумних міст і поширенням Інтернету речей це стає все більш необхідним. Перспективним рішенням є аналіз часових рядів за допомогою методів, що підтримуються машинним навчанням. Ці методи забезпечують ефективний моніторинг і використання все більших наборів даних. Їхнє застосування для роботи з часовими рядами може здатися неочевидним, але без аналізу часових рядів неможливо повністю використати зібрані дані.

Ця книга є широким, актуальним і практичним оглядом. методів аналізу часових рядів, що включає повну часову обробку даних і конвеєр моделювання. Він представляє випадки використання цих методів у реальному світі та ілюструє їх великими фрагментами чудово розробленого коду R і Python. Тут ви знайдете практичні поради, які допоможуть вирішити найпоширеніші проблеми в розробці та аналізі даних часу. Тут включені як звичайні статистичні методи, так і сучасні методи машинного навчання. Це дуже корисний посібник, який допоможе аналітикам даних, розробникам програмного забезпечення та науковцям плавно перейти від основ роботи з часовими рядами до вирішення конкретних проблем на професійному рівні.

З цією книгою ви дізнаєтеся:

• отримувати, зберігати та обробляти часові ряди
• досліджувати та симулювати часові дані
• виконувати вимірювання помилок
• працювати з часовими рядами за допомогою машинного або глибокого навчання
• оцініть точність і ефективність моделей

Ефективно аналізуйте часові ряди та видобувайте безцінні знання!

Про автора

Айлін Нільсен – розробник програмного забезпечення та аналітик даних. Співпрацює зі стартапами, які використовують часові ряди та нейронні мережі. Раніше вона працювала в юридичних фірмах, дослідницьких лабораторіях і технологічних стартапах. Він цікавиться розробкою програмного забезпечення для оборони та взаємодією права та технологій. Він часто виступає на конференціях з машинного навчання та прогнозування за допомогою нейронних мереж.

Зміст

Вступ 9

1. Поняття часових рядів 15

• Часові ряди в різних галузях - коротка історія 15

  Часові ряди в медицині 16

  Прогнозування погоди 20

  Прогнози розвитку економіки 21

  Астрономія 23

• Початки аналізу часових рядів 24
• Статистичні методи аналізу часових рядів 25
• Машинне навчання в аналізі часових рядів 26
• Див. також 27

2. Отримання та обробка часових рядів 29

• Де я можу знайти часові ряди? 30

  Готові набори даних 30

  Пошук часових рядів 36

• Побудова часових рядів на основі табличних даних 37

  Підготовка даних - крок за кроком -покрокові інструкції 38

  Створення часового ряду на основі зібраних даних 44

• Проблеми, пов’язані з часовими мітками 46

  Що означає дана часова позначка? 46

  Робота з незадокументованими даними 48

  Що таке значуща шкала часу? 50

• Очищення даних 50

  Відсутні дані 51

  Зміна частоти дискретизації 60

  Згладжування даних 63

• Сезонні коливання 68
• Часові пояси 71
• Запобігання феномену прогнозування 74
• Див. також 76

3 . Методи дослідження часових даних 79

• Методи загального призначення 79

  Лінійні діаграми 80

  Історія