Анонс книги «Практический анализ временных рядов»
Источник: https://t.me/Python_libr/3426
Краткое содержание
Короткий анонс русскоязычного издания книги по анализу временных рядов. Автор, по описанию канала, рассматривает современные задачи обработки и прогнозирования временных рядов — и классическими статистическими методами, и популярными моделями машинного обучения. Инструментарий — пакеты экосистем R и Python, подходящие и для исследователей, и для разработчиков ПО, пишущих собственные решения.
Мини-пример по теме
import pandas as pd
from statsmodels.tsa.arima.model import ARIMA
s = pd.read_csv("series.csv", parse_dates=["ds"], index_col="ds")["y"]
model = ARIMA(s, order=(1, 1, 1)).fit()
forecast = model.forecast(steps=14)
# ML-альтернатива: prophet / lightgbm по лаговым признакам
from prophet import Prophet
df = s.reset_index().rename(columns={"ds": "ds", "y": "y"})
m = Prophet().fit(df)
future = m.make_future_dataframe(periods=14)
yhat = m.predict(future)[["ds", "yhat"]]
Значимость
Пост — типичный библиографический анонс канала «Python_libr», без разбора достоинств книги. Полезен как ссылка для тех, кто ищет русскоязычное введение в тему time series.
🧾 Транскрипт (формат)
📓 Практический анализ временных рядов прогнозирование со статистикой и машинное обучение
Источник: https://t.me/Python_libr/3426
📓 Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение.
• В этом практическом руководстве описаны современные технологии анализа данных временных рядов и приведены примеры их практического использования в самых разных предметных областях. Оно призвано помочь в решении наиболее распространенных задач исследования и обработки временных рядов с помощью традиционных статистических методов и наиболее популярных моделей машинного обучения.
• В своей книге, автор рассматривает самые распространенные и доступные инструменты анализа временных рядов, включенные в программные пакеты языков R и Python, которые могут применяться специалистами по работе с данными и разработчиками программного обеспечения для написания собственных эффективных решений.
#RU