【数据挖掘】时间序列教程【八】

AI大视野
领域专家: 人工智能技术领域
2023-07-08 00:30:38
...全文
22 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
时间序列数据挖掘综述
本文探讨了时间序列数据挖掘的原理、方法和技术，重点分析了时间序列分析与数据挖掘的异同，以及预处理、建模过程、模式发现、异常检测等方面。详细介绍了相异性检索、分割算法、频繁模式发现等核心方法，并阐述了时间序列挖掘系统的组成。
数据挖掘之时间序列模型（最全流程分析）
本文详细介绍了数据挖掘中时间序列模型的应用流程，包括获取数据源、处理缺失值、检验序列稳定性、序列平稳化、参数寻优、建立模型、模型检验和模型预测。在缺失值处理中，采用降升采样和不同填充方式；通过移动平均值和单位根检验确保序列平稳；最后通过残差、QQ图和相关图确定最佳模型参数，预测结果呈现上升趋势。
【数据挖掘】时间序列教程【一】
本文是时间序列分析教程的第一部分，介绍了时间序列数据的结构，包括固定变化与随机变化的区分，以及时间序列分析的主要目标：预测、过滤、时间尺度分析、回归建模和平滑。通过空气污染与健康的案例，阐述了不同时间尺度在分析中的意义。
数据挖掘之时间序列分析
本文介绍了时间序列分析的基本概念，包括纯随机性和平稳性检验，详细阐述了平稳时间序列的ARMA模型建模步骤，并探讨了非平稳时间序列的ARIMA模型应用，通过R和Python实现示例展示了模型的构建和预测过程。
时间序列数据挖掘模板： 墨尔本十年气温变化预测
本文提供了一个全面的时间序列数据挖掘模板，涵盖了数据导入、探索、特征工程、模型建立及评估等关键步骤，适用于从气温预测到股票价格波动等多种场景。
人工智能旅行团

2

社区成员

331

社区内容

发帖
与我相关
我的任务
社区描述
从事图像处理和人工智能十年以上，从事人工智能教学7年以上；擅长数学，能熟练应用泛函分析、随机过程、逼近论、射影几何等数学理论。
计算机视觉数据挖掘自然语言处理 个人社区 北京·房山区
社区管理员
  • 无水先生
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章