时间序列数据挖掘第23页

竞赛保研基于大数据的时间序列股价预测分析与可视化 - lstm

文章目录1前言2时间序列的由来2.1四种模型的名称：3数据预览4理论公式4.1协方差4.2相关系数4.3scikit-learn计算相关性5金融数据的时序分析5.1数据概况5.2序列变化情况计算最后1前言优质竞赛项目系列

iuerfee·2023-12-29 06:11

python时间数据合并_python – 使用numpy / pandas按时间戳合并时间序列数据

我想你可以简单>将时间戳定义为每个DataFrame的索引(使用set_index)>使用连接将它们与“外部”方法合并>Optionnaly将时间戳转换为日期时间这是它的样子.#generatingsometestdatatimestamp=[1440540000,1450540000]df1=pd.DataFrame({'timestamp':timestamp,'a':['val_a','va

weixin_39595537·2023-12-29 05:41

工具系列：TimeGPT_(9)模型交叉验证

交叉验证文章目录交叉验证外生变量比较不同的模型时间序列预测中的主要挑战之一是随着时间的推移固有的不确定性和变异性，因此验证所采用的模型的准确性和可靠性至关重要。

愤斗的橘子·2023-12-29 05:09

工具系列：TimeGPT_(8)使用不规则时间戳进行时间序列预测

文章目录介绍不规则时间戳的单变量时间预测不规则时间戳的外生变量时间预测介绍在处理时间序列数据时，时间戳的频率是一个关键因素，可以对预测结果产生重大影响。像每日、每周或每月这样的常规频率很容易处理。

愤斗的橘子·2023-12-29 05:08

TensorFlow HOWTO 5.1 循环神经网络（时间序列）

5.1循环神经网络（时间序列）循环神经网络（RNN）用于建模带有时间关系的数据。它的架构是这样的。image在最基本的RNN中，单元（方框）中的操作和全连接层没什么区别，都是线性变换和激活。

布客飞龙·2023-12-29 04:23

K8S结合Prometheus构建监控系统

一、Prometheus简介Prometheus是一个开源的系统监控和警报工具，用于收集、存储和查询时间序列数据。

睡不醒的猪儿·2023-12-29 01:39

时间序列系列03-统计模型

时间序列统计模型是用来描述和预测时间序列数据的数学模型。这些模型通常基于过去的观测值，并假设时间序列的行为是可预测的。

月落霜满天·2023-12-28 22:12

计量经济学|学习笔记以及学习感悟

中级计量经济学则深入研究这些方法的理论基础和实际应用，包括更复杂的模型和技术，如面板数据分析、时间序列分析和因果推断等。中级课程还探讨了更多的计量经济学理论，如内生性问题、工具变量和因果推断的困难等。

封印师请假去地球钓鱼·2023-12-28 21:33

满足企业数据需求的大数据平台系统

大数据平台系统的开发可以给我们提供强大的储存能力、技术能力，在符合大数据时代下的发展轨迹，实现了现代化数据挖掘，满足了诸多企业及平台对数据方面的需求。一、大数据平台系统开发具有什么好处呢？

泰迪智能科技·2023-12-28 18:51

【笔记】因子投资：方法与实践

文章目录历史宏观综述研究角度关于β'λ关于α截面角度vs时序角度学术理论基础概念金融理论MM定理资产定价模型多因子模型研究方法论投资组合排序法排序检验多重排序法多因子模型的回归检验时间序列回归截面回归Fama-MacBeth

food_for_thought·2023-12-28 15:06

数据挖掘--聚类

1.什么是聚类？按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。2.聚类分析应用将相关的文档分组便于浏览将具有相似功能的基因和蛋白质分组将具有相似价格波动的股票分组3.聚类的类型划分聚类（非嵌套层次聚类（嵌套4.聚类算法4.1划分式聚类算

全是头发的羊羊羊·2023-12-28 12:10

数据挖掘（作业3

任务一对以下数据集使用K均值聚类算法：1）观察实验结果是否符合预期；2）利用SSE标准确定K值；3）自行调参并观察对聚类结果的影响。注意：需要把类别信息去掉。“tutorial3_DataExploration”中的鸢尾花数据集“iris.data”“tutorial4_DataPreprocessing”中的癌症数据集“breast-cancer-wisconsin.data”breast-ca

全是头发的羊羊羊·2023-12-28 11:59

基于Python的城市热门美食数据可视化分析系统

温馨提示：文末有CSDN平台官方提供的学长QQ名片:)1.项目简介本项目利用网络爬虫技术从XX点评APP采集北京市的餐饮商铺数据，利用数据挖掘技术对北京美食的分布、受欢迎程度、评价、评论、位置等情况进行了深入分析

Python极客之家·2023-12-28 11:28

学习笔记：数据挖掘与机器学习

文章目录一、数据挖掘、机器学习、深度学习的区别（一）数据挖掘（二）机器学习（三）深度学习（四）总结二、数据挖掘体系三、数据挖掘的流程四、典型的数据挖掘系统一、数据挖掘、机器学习、深度学习的区别（一）数据挖掘数据挖掘

howard2005·2023-12-28 11:28

多维时序 | MATLAB实现SSA-GRU麻雀算法优化门控循环单元多变量时间序列预测

多维时序|MATLAB实现SSA-GRU麻雀算法优化门控循环单元多变量时间序列预测目录多维时序|MATLAB实现SSA-GRU麻雀算法优化门控循环单元多变量时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍

机器学习之心·2023-12-28 11:04

时序预测 | Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测

时序预测|Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测目录时序预测|Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍

机器学习之心·2023-12-28 11:04

论文阅读：Large Language Models Are Zero-Shot Time Series Forecasters（2023NIPS）

摘要文章涉及了两个时间序列的任务：forecasting，imputation.对于预测任务：通过将时间序列编码为一系列数字，可以将时间序列预测任务转化为文本里面的next-token预测任务。

知福致福·2023-12-28 11:03

具有多列变量的时间序列数据画图，纵坐标名称为列名，图标题为中文（python）

importnumpyaspyimportpandasaspdimportmatplotlib.pyplotasplt#导入data路径file=r'./data/my_data.csv'data_df=pd.read_csv(file)#可视化（画在一张画布上并保存）#figsize(width,hight)画布大小fig=plt.figure(figsize=(8,6),dpi=100)for

欧拉雅卡·2023-12-28 09:44

Go入门实战：网络爬虫的实现

网络爬虫在搜索引擎、数据挖掘、网络监控等方面具有重要的应用价值。Go语言是一种现代的编程语言，它具有高性能、简洁的语法和强大的并发支持。Go语言的网络爬虫实现可以利用其并发特性，提高爬虫的效率和性能。

一枚可爱的程序女孩·2023-12-28 05:14

Python入门实战：Python爬虫编程基础

它广泛应用于数据挖掘、网络爬虫、搜索引擎等领域。本文将从背景、核心概念、算法原理、代码实例、未来发展等多个方面深入探讨Python爬虫编程的基础知识。

一枚可爱的程序女孩·2023-12-28 05:44

Python入门实战：Python文本挖掘基础

在数据挖掘领域，Python是一个非常重要的工具。文本挖掘是数据挖掘的一个重要分支，它涉及到对大量文本数据的分析和处理，以发现隐藏的模式和信息。

一枚可爱的程序女孩·2023-12-28 05:43

【MATLAB】PSO粒子群优化BiLSTM（PSO_BiLSTM）的时间序列预测

有意向获取代码，请转文末观看代码获取方式~也可转原文链接获取~1基本定义基于PSO粒子群优化的BiLSTM的时间序列预测算法的基本原理如下：「双向长短时记忆（BiLSTM）模型」：这是一种深度学习模型，

Lwcah·2023-12-28 00:50

时序预测 | Matlab实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络时间序列预测

时序预测|Matlab实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络时间序列预测目录时序预测|Matlab实现SSA-CNN-LSTM麻雀算法优化卷积长短期记忆神经网络时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍

机器学习之心·2023-12-27 21:31

多维时序 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测

多维时序|MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测目录多维时序|MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍

机器学习之心·2023-12-27 21:01

工具系列：TimeGPT_(1)获取token方式和初步使用

介绍Nixtla的TimeGPT是一种用于时间序列数据的生成式预训练预测模型。TimeGPT可以在没有训练的情况下，仅使用历史值作为输入，为新的时间序列生成准确的预测。

愤斗的橘子·2023-12-27 19:36

非平稳时间序列的完整分析和建模过程（附matlab代码+分析结果）

本文主要内容：对车辆的车速信息和角速度信息进行非平稳时间序列的完整分析和建模过程。

深耕智能驾驶·2023-12-27 19:32

时间序列趋势检验相关检验方法：斜率法、Cox-Stuart检验、Mann-Kendall检验

文章目录1.斜率法1.1.原理1.2.优缺点1.3.Python代码2.Cox-Stuart检验2.1.原理2.2.优缺点2.3.Python代码3.Mann-Kendall检验3.1.原理3.1.1.假设前提3.1.2.趋势检验3.1.3.S到Z的变换原理3.1.4.Var(s)是如何得到的3.1.5.衡量趋势的指标：倾斜度

深耕智能驾驶·2023-12-27 19:31

计算机毕业设计基于SpringBoot的高校物品捐赠管理系统的设计与实现 Java实战项目附源码+文档+视频讲解

博主介绍：✌从事软件开发10年之余，专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。

IT学长编程·2023-12-27 18:08

工具系列：TimeGPT_(3)处理假期和特殊日期

它们为时间序列的当前状态提供了额外的上下文信息，特别是对于基于窗口的模型（如TimeGPT-1）而言。这些变量通常包括添加每个观测的月份、周数、日期或小时数的信息。

愤斗的橘子·2023-12-27 18:49

工具系列：TimeGPT_(2)使用外生变量时间序列预测

文章目录TimeGPT使用外生变量时间序列预测导入相关工具包预测欧美国家次日电力价格案例TimeGPT使用外生变量时间序列预测外生变量在时间序列预测中非常重要，因为它们提供了可能影响预测的额外信息。

愤斗的橘子·2023-12-27 12:49

企业级实战项目：基于 pycaret 自动化预测公司是否破产

本文系数据挖掘实战系列文章，我跟大家分享一个数据挖掘实战，与以往的数据实战不同的是，用自动机器学习方法完成模型构建与调优部分工作，深入理解由此带来的便利与效果。

Python数据挖掘·2023-12-27 12:40

爬虫系列--爬取B站小潮院长的作品列表

Python爬虫在数据挖掘、数据分析、API开发等领域有广泛的应用。Py

梦幻蔚蓝·2023-12-27 11:56

2023年12月20日学习总结

今日todolist：学习kaggle中storesales中的dartforcasting大概搜集一个声纹识别的报告（老师给的新项目）学习时不刷手机okkkkkkkkkkkkkk开始目录1.时间序列预测

郭小儒·2023-12-27 11:45

【MATLAB】PSO粒子群优化LSTM（PSO_LSTM）的时间序列预测

有意向获取代码，请转文末观看代码获取方式~也可转原文链接获取~1基本定义PSO粒子群优化LSTM（PSO-LSTM）是一种将粒子群优化算法（PSO）与长短期记忆神经网络（LSTM）相结合的混合模型。该算法通过模拟鸟群觅食行为，在解空间中搜索和迭代，以找到全局最优解。在PSO-LSTM中，每个粒子代表一个LSTM模型的参数组合。粒子的位置表示参数的取值，速度表示参数的更新方向和幅度。粒子群根据个体最

Lwcah·2023-12-27 11:22

《系统架构设计师教程（第2版）》第3章-信息系统基础知识-04-决策支持系统 (DSS)

决策支持系统的定义1.2.1定义一1.2.2定义二1.2.3教材归纳1.3DSS的基本模式1.4DSS的结构2.DSS的功能3.DSS的特点4.DSS的组成4.1数据的重组和确认4.2数据仓库的建立4.3数据挖掘和智能体

玄德公笔记·2023-12-27 10:56

Enhancing the Locality and Breaking the MemoryBottleneck of Transformer on Time Series Forecasting

本论文发表在33rdConferenceonNeuralInformationProcessingSystems(NeurIPS2019),Vancouver,Canada.Abstract时间序列预测是许多领域的一个重要问题

流浪的诗人，·2023-12-27 09:58

Modeling Long- and Short-Term Temporal Patterns with DeepNeural Networks

ThispaperwaspulishedatSIGIR’18,July2018,AnnArbor,MI,USA一、简介LSTNet是一种用于时间序列预测的深度学习模型，其全称为Long-andShort-termTime-seriesNetworks

流浪的诗人，·2023-12-27 09:58

Frequency-domain MLPs are More EffectiveLearners in Time Series Forecasting

本论文来自于37thConferenceonNeuralInformationProcessingSystems(NeurIPS2023)Abstract时间序列预测在金融、交通、能源、医疗等不同行业中发挥着关键作用

流浪的诗人，·2023-12-27 09:28

TIMESNET: TEMPORAL 2D-VARIATION MODELINGFOR GENERAL TIME SERIES ANALYSIS

然而，在时间序列领域，各类分析任务的差别较大，既有需要细粒度建模的预测任务，也有需要提取高层语义信息的分类任务。如何构建统一的深度基础模型高效地完成各类时序分析任务，此前尚未有成型方案。

流浪的诗人，·2023-12-27 09:28

FEDformer: Frequency Enhanced Decomposed Transformer for Long-termSeries Forecasting

SubmissionandFormattingInstructionsforICML2022摘要虽然基于Transformer的方法已经显著提高了长期序列预测的先进结果，但它们的计算代价是高昂的，更重要的是它们无法捕捉时间序列的全局视图

流浪的诗人，·2023-12-27 09:27

CROSSFORMER: TRANSFORMER UTILIZING CROSSDIMENSION DEPENDENCY FOR MULTIVARIATE TIME SERIES FORECASTIN

本论文PublishedasaconferencepaperatICLR2023和Transformer做时间序列相关的论文。这篇文章提出了CrossFrormer，用来解决多元时间序列问题。

流浪的诗人，·2023-12-27 09:57

时间序列框架-Darts-用户指南（上）

时间序列多变量时间序列VS.多个时间序列我们区分单变量和多变量序列:Multivariate包含多个维度(即每个时间步有多个值)。univariate只包含一个维度(即每个时间步的单个标量值)。

幸运的小菜鸟·2023-12-27 09:27

【时间序列预测】Are Transformers Effective for Time Series Forecasting?

香港中文大学曾爱玲文章，在长时间序列预测问题上使用线性模型打败基于Transformer的模型，并对已有模型的能力进行实验分析（灵魂7问，强烈推荐好好读一下！）。

hellozhxy·2023-12-27 09:25

ETSformer: Exponential Smoothing Transformers for Time-series Forecasting

ThispaperwaspublishedatICMLin2022.近年来，有很多研究工作将Transformer应用在时间序列预测领域，取得了不错的效果，然而很多工作在模型设计上没有充分利用时间序列数据的特性

流浪的诗人，·2023-12-27 09:24

数据分析——数据预处理和数据管道构建

框架：针对不同的时间序列数据集，可以总结如下关键步骤，以编写类似上述代码的深度学习数据处理流程：1.**了解数据集:**-了解新数据集的特性，包括时间序列的长度、采样频率、数据格式和标签信息等。2.

Top Secret·2023-12-27 04:15

生存分析序章1——解析生存分析：探寻时间与事件的奥秘

这一领域的深入研究不仅在医学和生物学领域有着广泛的应用，同时在数据分析和数据挖掘中也发挥着关键作用。

theskylife·2023-12-27 02:59

维基百科词条EDA_时间序列

本篇文章主要写的是维基百科词条EDA在时间序列预测前需要对数据集进行观察，是否需要维度拆分等。不拆分维度可能对于时间序列预测的结果趋势有很大的影响。

想哭的我戴上了喵的面具·2023-12-27 02:21

fragstats：景观指数的突变分析

作者：CSDN@_养乐多_本文将介绍景观指数时间序列的突变分析，包括突变时间、突变频次等。以及景观指数突变分析所用的软件和python代码。

_养乐多_·2023-12-26 23:52

如何使用ScrapySharp下载网页内容

使用场景在网络数据挖掘和信息收集的过程中，我们需要经常从网页中提取数据。使用ScrapySharp可以帮助我们轻松地实现网页内容的下载和解析，从而满足各种数据采集的需求。

小白学大数据·2023-12-26 22:53

计算机毕业设计基于SpringBoot的当代获奖知名作家信息管理系统的设计与实现 Java实战项目附源码+文档+视频讲解