内容
0 课时 • 0 测验 • 0 挑战
课程暂未关联课时
当前课程存在，但没有可学习的课时内容。请稍后再试。
☆☆☆☆☆
0.0中级
7h
时间序列简介
时间序列无处不在，从股票价格和天气预报，到经济趋势和医疗诊断。本课程旨在帮助你有效建模、解读和预测时间序列数据。 在本课程中，你将学习时间序列分析的核心概念，如随机性、平稳性和自相关性。你将通过计算其各种统计矩，并利用直方图和密度图进行可视化来分析时间序列。接着，你将把时间序列分解为趋势、季节性和周期性成分。随后，你将学习线性时间序列模型，包括自回归（AR）过程、移动平均（MA）过程、ARMA 和 ARIMA 模型。你将对实际数据拟合这些模型，并进行未来预测，最后使用多种拟合优度标准评估模型性能。 完成本课程后，你将掌握单变量时间序列分析的坚实基础，并具备使用 Python 探索、建模和预测时间序列数据的能力。
9 课时
时间序列简介
时间序列无处不在，从股票价格和天气预报，到经济趋势和医疗诊断。本课程旨在帮助你有效建模、解读和预测时间序列数据。
在本课程中，你将学习时间序列分析的核心概念，如随机性、平稳性和自相关性。你将通过计算其各种统计矩，并利用直方图和密度图进行可视化来分析时间序列。接着，你将把时间序列分解为趋势、季节性和周期性成分。随后，你将学习线性时间序列模型，包括自回归（AR）过程、移动平均（MA）过程、ARMA 和 ARIMA 模型。你将对实际数据拟合这些模型，并进行未来预测，最后使用多种拟合优度标准评估模型性能。
完成本课程后，你将掌握单变量时间序列分析的坚实基础，并具备使用 Python 探索、建模和预测时间序列数据的能力。
时间序列无处不在，从股票价格和天气预报，到经济趋势和医疗诊断。本课程旨在帮助你有效建模、解读和预测时间序列数据。
在本课程中，你将学习时间序列分析的核心概念，如随机性、平稳性和自相关性。你将通过计算其各种统计矩，并利用直方图和密度图进行可视化来分析时间序列。接着，你将把时间序列分解为趋势、季节性和...
你将学到什么
时间序列的特性理解，包括其矩、平稳性、自相关性、季节性和趋势。
使用 Python 的 statsmodels 进行真实世界时间序列分析与建模的实践经验
熟悉将时间序列建模为自回归（AR）和移动平均（MA）过程及其组合模型 ARMA 和 ARIMA。
使用 Python 的 statsmodels 进行 ARIMA 模型的点预测的熟练掌握
时间序列的特性理解，包括其矩、平稳性、自相关性、季节性和趋势。
评价
阅读参加过此课程的学生的评价，并分享您的学习体验。