Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
时间序列-异常检测(Anomaly Detection)(一):时间序列的特征工程
一 介绍 异常检测 Anomaly detection 是目前时序数据分析最成熟的应用之一 定义是从正常的时间序列中识别不正常的事件或行为的过程 有效的异常检测被广泛用于现实世界的很多领域 例如量化交易 网络安全检测 自动驾驶汽车和大型工业
时间序列(Time Series)
人工智能
时间序列-预测(Forcasting):时间序列预测算法总结
一 背景介绍 绝大部分行业场景 尤其是互联网 量化行业 每天都会产生大量的数据 金融领域股票价格随时间的走势 电商行业每日的销售额 旅游行业随着节假日周期变化的机票酒店价格等 我们称这种不同时间收到的 描述一个或多种特征随着时间发生变化的数
时间序列(Time Series)
算法
深度学习
时间序列-预测-经典算法:Arimax【带额外输入的自回归综合移动平均】【多元变量预测】【ARIMA模型的一个扩展版本】
标准的ARIMA 移动平均自回归模型 模型允许只根据预测变量的过去值进行预测 该模型假定一个变量的未来的值线性地取决于其过去的值 以及过去 随机 影响的值 ARIMAX模型是ARIMA模型的一个扩展版本 它还包括其他独立 预测 变量 该模型
时间序列(Time Series)
算法
机器学习
回归