时间序列分析与趋势预测实战
📚 30章 · 从入门到部署
第01章
时间序列入门
基础
什么是时间序列 · 趋势/季节/周期/噪声 · 应用场景
第02章
Python时间序列工具
工具
Pandas时间序列 · DatetimeIndex · resample · Statsmodels · Matplotlib
第03章
数据预处理
清洗
缺失值处理(向前填充/插值) · 异常值检测 · 重采样
第04章
平稳性检验
核心
平稳性定义 · ADF检验 · KPSS检验 · 差分操作
第05章
白噪声与随机游走
诊断
白噪声定义与检验 · 随机游走模型 · Ljung-Box检验
第06章
自相关与偏自相关
ACF/PACF
ACF计算与绘图 · PACF计算与绘图 · 拖尾/截尾判断
第07章
移动平均模型(MA)
模型
MA模型定义 · 阶数确定 · 拟合与预测
第08章
自回归模型(AR)
模型
AR模型定义 · Yule-Walker方程 · 拟合与预测
第09章
ARMA模型
进阶
ARMA定义 · AIC/BIC定阶 · 拟合与诊断
第10章
ARIMA模型
核心
ARIMA定义 · 差分阶数d · 实战案例
第11章
季节性ARIMA(SARIMA)
季节
SARIMA定义 · 季节性参数 · 实战案例
第12章
模型诊断与评估
评估
残差分析 · AIC/BIC · RMSE/MAE/MAPE
第13章
指数平滑法
平滑
简单指数平滑 · Holt线性趋势 · Holt-Winters季节
第14章
Prophet模型入门
Meta
Facebook Prophet简介 · 安装与基本使用 · 趋势/季节分解
第15章
Prophet模型进阶
调参
节假日效应 · 自定义季节 · Changepoint检测
第16章
LSTM基础
深度学习
RNN/LSTM原理 · Keras搭建 · 数据格式转换
第17章
LSTM实战
调优
单步/多步预测 · 超参数调优 · 模型保存加载
第18章
时间序列分解
分解
经典分解(加法/乘法) · STL分解 · 季节性分解
第19章
多变量时间序列
多变量
VAR模型 · 协整检验 · Granger因果检验
第20章
状态空间模型
状态空间
卡尔曼滤波 · 状态空间表示 · UnobservedComponents
第21章
时间序列聚类
无监督
动态时间规整(DTW) · K-means聚类 · 形状聚类
第22章
异常检测实战
异常
3-sigma/IQR · ARIMA残差 · Isolation Forest
第23章
时间序列特征工程
特征
滞后特征 · 滚动窗口统计 · 时间特征(年/月/日/星期/小时)
第24章
时间序列交叉验证
验证
交叉验证特殊性 · Expanding/Sliding Window · 模型调参
第25章
多步预测策略
预测
递归多步 · 直接多步 · Seq2Seq多步预测
第26章
集成方法应用
集成
随机森林 · XGBoost · LightGBM时间序列预测
第27章
时间序列数据增强
增强
时间扭曲 · 幅度扭曲 · 窗口切片 · 噪声注入
第28章
实时时间序列处理
流处理
Kafka+Spark Streaming · 滑动窗口 · 在线学习(River)
第29章
项目实战(上)
实战
需求分析 · 数据探索与清洗 · 特征工程 · 基线模型
第30章
项目实战(下)
实战
模型选择与调优 · 集成 · 可视化与报告 · 部署监控
⭐ 趋势 · 季节 · 周期 · 噪声
📊 ACF · PACF · ARIMA · LSTM
📌 30章完整目录