时间序列预测：从零到实战 - 供应链数字化与智能采购系统 - 016-AI驱动的供应链需求预测与库存优化实战 - 可可精品资料库

VIP20

本课程属于：016-AI驱动的供应链需求预测与库存优化实战 供应链数字化与智能采购系统 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

时间序列基础定义 · 平稳/非平稳分类 · 应用场景

Python环境搭建Anaconda · Jupyter · pandas/numpy/statsmodels等

Pandas时间序列处理DatetimeIndex · 重采样 · shift · rolling

数据可视化基础Matplotlib折线图 · 子图 · Seaborn美化

时间序列分解趋势·季节·残差 · seasonal_decompose

平稳性检验ADF · KPSS · 差分法平稳化

自相关与偏自相关ACF/PACF · 识别AR/MA阶数

白噪声与随机游走Ljung-Box · 随机游走模型

朴素预测方法Naive · 季节性朴素 · 均值/漂移

移动平均与指数平滑SMA · WMA · SES · Holt线性

Holt-Winters模型加法/乘法 · 参数优化 · 季节周期

ARIMA模型 (上)AR/MA/ARMA · AIC/BIC定阶

ARIMA模型 (下)建模流程 · 差分 · 残差诊断 · 预测

季节性ARIMA (SARIMA)(p,d,q)(P,D,Q,s) · SARIMAX

模型评估指标MSE/RMSE/MAE/MAPE/SMAPE/MASE

交叉验证TimeSeriesSplit · 滚动预测 · 扩展/滑动窗口

特征工程基础滞后特征 · 滚动统计 · 日期特征

机器学习入门线性回归 · 决策树 · 随机森林 · 特征重要性

XGBoost与LightGBM梯度提升 · 参数调优 · 特征输入

Prophet模型 (上)安装 · 趋势/季节性 · 节假日效应

Prophet模型 (下)调参 · 交叉验证 · 预测区间 · 异常检测

LSTM基础RNN原理 · LSTM结构 · 时间步与序列长度

Keras搭建LSTMMinMaxScaler · 滑动窗口 · Sequential · 预测

LSTM调优堆叠 · Dropout · 学习率调度 · Early Stopping

CNN与时间序列Conv1D · CNN-LSTM · 特征提取

Transformer与时间序列自注意力 · Informer · PatchTST

多步预测策略直接/递归/多输出 · Seq2Seq

多元时间序列多变量输入/输出 · VAR模型

实战项目一：股票价格预测ARIMA vs Prophet · yfinance · 回测

实战项目二：电力负荷预测LSTM vs XGBoost · 特征工程 · 模型部署 · 总结