Time-Series-analysis:非常有趣的时间序列机器学习模型

preview
共4个文件
ipynb：3个
md：1个
JupyterNotebook
需积分: 43 9 下载量 35 浏览量 2021-03-14 07:52:23 上传 评论 2 收藏 13.98MB ZIP 举报
资源详情
资源评论
评论 收藏
清木一阳
  • 粉丝: 28
  • 资源: 4656
上传资源 快速赚钱
voice
center-task 前往需求广场，查看用户热搜

相关推荐

zip

时间序列机器学习：用于时间序列分析的机器学习模型

机器学习的时间序列预测 一组预测时间序列的不同机器学习模型，具体来说是给定货币图表和目标的市场价格。 要求 必需的依赖项： numpy 。 其他依赖项是可选的，但是为了使最终模型更多样化，建议安装以下软件包： tensorflow ， xgboost 。 经过python版本测试：2.7.14、3.6.0。 取得资料 有一个内置的数据提供程序，可以从获取数据。 目前，所有模型都已通过加密货币图表
star 5星 · 资源好评率100%
ppt

时间序列数据的回归模型

通过数学模型介绍了，非常热门，应用广泛，高大上的一些机器学习模型
zip

时间序列数据集（UCR）

时间序列界的“Imagnet”，发文章必跑数据集。大约有128个数据集，如ECG5000，GunPoint，coffee等数据集 相比于2015版有了大量更新，2018年秋季：该数据资源的早期工作由NSF职业奖0237918资助，并通过NSF IIS-1161997 II和NSF IIS 1510741资助。
star 5星 · 资源好评率100%
pdf

时间序列预测实践教程

该教程通过一个简单的实例浅显的描述了时间序列预测的常用方法。选用的方法是EXCEL的插件XLMiner，简单易上手，是新手入门的好帮手。
zip

algorithmictrader:基于时间序列机器学习模型的预测的加密货币市场的算法交易者机器人购买出售

算法交易者 用于基于时间序列机器学习模型的预测来进行加密/股票市场买卖的算法交易机器人
zip

Deep-Learning-in-Time-Series:时间序列分析中的深度学习

多个多步时间序列预测中的深度学习 该项目旨在利用深度学习来解决Kaggle竞争问题-网络流量时间序列预测（ ）。 PDF文件中将生成报告。 所有的python代码都在IPython笔记本中实现。 注意：比赛将于2017年11月13日结束。以上结果在排行榜中排名前2％。 非常感谢Kaggle和Google的研究组织了这场有趣且充满挑战的竞赛。 数据集 该数据集来自Kaggle竞赛，这是链接：
zip

DFT的matlab源代码-ML-Time-Series:用于时间序列分类的一些机器学习技术

DFT的matlab源代码用于时间序列分类的机器学习技术 该存储库显示了使用机器学习技术进行时间序列分类的不同方法。 除了比较一些最常用的机器学习模型（深度学习，神经网络，支持向量机...）之外，我们还针对其中一些模型反对两种不同类型的输入：使用原始时间序列或使用从中提取的特征时间序列（统计量度，频域特征，几何特征...以下详述的特征）。 在这个存储库中，我们将使用python的科学软件包NumP
zip

Landsat-Time-Series-Analysis-for-Multi-Temporal-Land-Cover-Classification:使用Python中的机器学习技术和用于过程自动化的GUI开发对多时相土地覆盖分类进行LANDSAT时间序列分析

多时空覆盖分类的Landsat时间序列分析 使用随机森林机器学习算法对陆地卫星图像进行时间序列分析。 该算法将图像分为4类： 植被 城市的 裸土 水 为了进行分类，实施了不同的阶段。 第一阶段包括确定NDVI（归一化植被指数）和MNDWI（归一化差异水指数）。 第二阶段涉及将所有这些.tiff文件堆叠到单个.tiff文件中。 堆叠通常涉及使用2到7个波段，年度NDVI文件和所选日期的MNDW
pdf

大语言模型处理时间序列：Time-Series Forecasting with Pre-Trained LLMs.pdf

kaggle竞赛策略，算法讲解，AI模型介绍 kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍kaggle竞赛策略，算法讲解，AI模型介绍
zip

Time-series-full-analysis:该笔记本包含您可以使用时间序列进行的所有操作。 它包含所有带有分析的时间序列模型

时间序列全分析 该笔记本包含您可以使用时间序列进行的所有操作。 它包含所有带有分析的时间序列模型。
pdf

Time series analysis: forecasting and control

在给出的文件中提到的《时间序列分析：预测与控制》（Time Series Analysis: Forecasting and Control）是第四版，作者为乔治·E·P·博克斯（George E.P. Box）、Gwilym M. Jenkins和格雷戈里·C·伦塞尔（Gregory ...
application/pdf

A Handbook Of Time-Series Analysis,Signal Processing And Dynamics.pdf

### 时间序列分析、信号处理与动力学手册 #### 核心知识点概述 《时间序列分析、信号处理与动力学手册》是一本全面介绍时间序列分析方法及其在多个领域应用的专业书籍。该书不仅覆盖了理论基础，还深入探讨了实际...
pdf

Time Series Analysis and Its Applications

10. 多元时间序列分析（Multivariate Time Series Analysis）：当分析两个或两个以上时间序列之间的关系时，会用到多元时间序列分析的方法，这些方法能够帮助我们了解不同时间序列间的动态相互作用。 本书第四版...
pdf

Multivariate Time Series Analysis: With R and Financial Applications

多元时间序列分析是时间序列分析的一个分支，它涉及到对两个或更多个相关时间序列数据的分析。该领域对于研究多个变量随时间变化的统计学方法具有重要影响，尤其在金融领域，其中资产价格、利率、汇率、股票指数等...
zip

Bacterial-Fiber-Timeseries_Analysis：对水中发现的细菌纤维进行时间序列分析，以确定水在不久的将来是否仍可饮用

总的来说，"Bacterial-Fiber-Timeseries_Analysis"项目利用Python编程、机器学习算法，特别是支持向量机，以及时间序列分析技术，对水体中的细菌纤维进行了深入研究。这不仅有助于科学地评估水的饮用安全性，也为...
pdf

用于电力使用的多步 LSTM 时间序列预测模型.Multi-Step LSTM Time Series Forecasting

Multi-Step LSTM Time Series Forecasting Models for Power Usage_用于电力使用的多步 LSTM 时间序列预测模型
zip

LDMLT_Multivariate_​Time_Series_Classif​ication.zip:这是用于多元时间序列分类的新型度量学习算法的代码。-matlab开发

多元时间序列 (MTS) 数据集广泛存在于众多领域，包括医疗保健、多媒体、金融和生物识别。 由于MTS是许多计算机视觉和模式识别应用中的重要元素，因此如何准确地对MTS进行分类已成为研究的热点。 在代码中，我们为 MTS 分类提出了基于马氏距离的动态时间规整 (MDDTW) 度量。 Mahalanobis 距离在每个变量与其对应的类别之间建立了准确的关系。 它用于计算 MTS 中​​向量之间的局部
zip

US-Private-housing-starts--Time-series-analysis:房屋开工是一个月内开始的新住宅建设项目的数量。 美国房屋开工数据是非固定数据，我们旨在使用不同的方法来预测未来时期的房屋开工情况，并为我们的时间序列找到最佳模型

美国私人住房开始-时间序列分析 房屋开工是一个月内开始的新住宅建设项目的数量。 美国房屋开工数据是非固定数据，我们旨在使用不同的方法来预测未来一段时间内的房屋开工情况，并为我们的时间序列找到最佳模型。
zip

Time-Series-Analysis-For-GDP-Forecasting-Annualy-and-Quarterly:在与时间相关的时间序列分析数据中，可能是每年一次，每季度一次或每小时数小时。 以及在那里学习的方式。 首先，我们转到季度GDP数据，然后移动“年度”数据及其预测值。 现在继续

GDP年度和季度的时间序列分析 在与时间相关的时间序列分析数据中，可能是每年一次，每季度一次或每小时数小时。 以及在那里学习的方式。 首先，我们转到季度GDP数据，然后移动“年度”数据及其预测值。 现在让我们继续。
zip

Univariate-Time-Series-Prediction-using-Deep-Learning:使用深度学习和PyTorch的单变量时间序列预测

使用深度学习进行单变量时间序列预测 使用深度学习和PyTorch的单变量时间序列预测 0.简介 该存储库使用深度学习模型（包括DNN ， CNN ， RNN ， LSTM ， GRU ，递归LSTM和Attention LSTM）提供单变量时间序列预测。 使用的数据集是“设备能源预测数据集” ，可以在找到。 1.定量分析 根据下表，使用1D卷积层的CNN胜过其他模型。 模型 湄↓ MSE↓
pdf

深度学习和时间序列分析.pdf

4. **对模型可解释性的要求**：如果模型的透明度非常重要，则可能需要考虑使用可解释性更强的传统机器学习方法。 5. **计算资源的可用性**：深度学习模型通常需要高性能的硬件支持，如GPU。 6. **预期的模型精度**：...
zip

TODS是一个全栈的自动化机器学习系统，主要针对多变量时间序列数据的异常检测

TODS提供了详尽的用于构建基于机器学习的异常检测系统的模块，它们包括：数据处理（data processing），时间序列处理（ time series processing），特征分析（feature analysis)，检测算法（detection algorithms）...
rar

TIME SERIES Forecasting and Control

近年来，机器学习和深度学习方法如神经网络、长短期记忆网络（LSTM）和门控循环单元（GRU）等被引入到时间序列预测中，提升了预测的准确性和适应性。 总结，《时间序列预测与控制》深入浅出地讲解了时间序列分析的...
star 4星 · 用户满意度95%
zip

Multivariate-Financial-Time-Series-Analysis:加州大学洛杉矶分校应用经济学硕士顶点研究

数据预处理包括数据重采样（将每周数据转换为每日数据），数据缩放（标准化数据以消除单位影响并为机器学习使用做准备）和固定数据（时间序列分析中的基本假设）。功能选择Ridge，LASSO和ElasticNet回归应用不同的...
zip

Currency-Risk-Time-Series-Analysis:探索历史美元兑日元汇率期货数据，并应用时间序列分析和预测模型（包括线性回归，ARMA，ARIMA和GARCH），以确定是否存在可预测的行为

货币风险时间序列分析 探索历史美元兑日元汇率期货数据，并应用时间序列分析，建模和回归来确定是否存在任何可预测的行为。
zip

基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记

基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列预测 Time Series Analysis With Applications in R 学习笔记 基于R语言开发时间序列
zip

Deep-Learning-for-Time-Series-and-NLP:基于CNN和LSTM的深度学习算法，适用于时间序列数据分类和NLP应用

时间序列和NLP的深度学习 有关信息，请参见。
pdf

Time Series Analysis with Applications in R, Second Edition

通过以上内容可以看出，《Time Series Analysis with Applications in R, Second Edition》这本书涵盖了时间序列分析的基础理论、实际应用以及R语言的操作实践。对于希望深入学习时间序列分析及其在R语言中实现的...