TensorFlow 时间序列预测与异常检测实战 · 课程目录

时序预测概述基础

时间序列四大组成部分 · 趋势/季节性/周期/残差 · 应用场景

环境搭建与工具链工具

TensorFlow 2.x · Keras · Pandas/NumPy · Matplotlib

数据加载与预处理数据

CSV/Excel读取 · 缺失值 · 重采样 · 时间索引对齐

数据探索与可视化 EDA

折线图 · ACF/PACF · 趋势与季节性识别

平稳性与差分统计

ADF检验 · 单位根 · 差分操作 · 平稳化

滑动窗口与特征工程特征

滞后特征 · 时间特征 · 训练/测试划分

经典统计模型 ARIMA

ARIMA原理 · statsmodels建模 · MSE/MAE评估

从统计到深度学习 DL

RNN/LSTM概念 · 对比传统方法优势

TensorFlow基础核心

张量操作 · 计算图 · Eager Execution · 全连接网络

Keras Sequential API API

Sequential · Dense/Dropout · 编译训练

第一个LSTM预测模型 LSTM

数据形状 · 单层LSTM · 训练与预测

多步预测策略策略

单步vs多步 · 递归/直接 · Seq2Seq简介

多变量时间序列预测多变量

多特征输入 · 多变量LSTM · 特征重要性

超参数调优调优

网格/随机搜索 · 学习率 · 批次 · 单元数

回调函数与模型保存回调

EarlyStopping · ReduceLROnPlateau · Checkpoint

模型评估与诊断评估

损失曲线 · 残差分析 · 预测vs真实散点图

注意力机制 Attention

Bahdanau/Luong · Keras注意力层实现

CNN-LSTM混合模型混合

Conv1D特征提取 · 用电量预测实战

Transformer for Time Series Transformer

架构简介 · 时序编码 · Keras实现

异常检测基础异常

点/上下文/集体异常 · 精确率/召回率/F1

基于统计的异常检测统计

3-Sigma · Z-Score · IQR · 移动平均阈值

基于预测的异常检测预测

LSTM预测误差 · 动态阈值 · 实战

自编码器异常检测 Autoencoder

LSTM-Autoencoder · 重构误差 · CPU监控

孤立森林 iForest

算法原理 · 时序应用 · 对比深度方法

实时异常检测系统实时

Kafka/Redis · TF Serving · 告警

实战：股票价格预测项目

yfinance · LSTM · 回测可视化

实战：电力负荷预测项目

UCI电力 · 多步预测 · LSTM vs CNN-LSTM

实战：工业传感器异常检测项目

NAB数据集 · LSTM-Autoencoder · 告警系统

模型解释性 XAI

SHAP/LIME · 特征重要性 · 业务决策

总结与进阶方向进阶

贝叶斯 · 概率编程 · GNN · 联邦学习