?

模型

本文主要介紹一個(gè)學(xué)習(xí)路線(xiàn)，后續(xù)詳細(xì)介紹各部分內(nèi)容。常用的模型，以下基本可以涵蓋主流思想：

• 傳統(tǒng)時(shí)序模型：ARIMA，Prophet，EMD
• 構(gòu)造時(shí)序特征的統(tǒng)計(jì)學(xué)習(xí)方法：LR，GBDT(xgboost\lightgbm)
• 深度學(xué)習(xí)方法：seq2seq，wavenet，transormer

企業(yè)研究

來(lái)自工業(yè)屆的研究經(jīng)驗(yàn)與創(chuàng)新模型，值得一看的文章和模型：

• Uber：Time-series Extreme Event Forecasting with Neural Networks at Uber
• Uber：How Uber Manages Uncertainty in Time-Series Prediction Models
• Google：Temporal Fusion Transformers for Multi-horizon Time Series Forecasting
• Google：Using AutoML for Time Series Forecasting
• Amazon：DeepAR
• Amazon：DeepGLO
• Facebook：Peophet
• Facebook：AR-Net research that combines autoregressive models and neural networks

Python庫(kù)

發(fā)揮python的優(yōu)勢(shì)，多用已經(jīng)造好的輪子。tsfresh可以自動(dòng)構(gòu)造時(shí)序特征，sktime是類(lèi)似sklearn寫(xiě)法的預(yù)測(cè)庫(kù)，pytorch和tensorflow實(shí)現(xiàn)了常見(jiàn)的深度學(xué)習(xí)模型。前面提到的模型ARIMA和prophet也有可調(diào)用的stats，pyprophet。

• tsfresh：https://github.com/blue-yonder/tsfresh
• sktime：https://github.com/alan-turing-institute/sktime
• pytorch prediction：https://github.com/jdb78/pytorch-forecasting
• tensorflow pediction：https://github.com/LongxingTan/Time-series-prediction

kaggle比賽

一些經(jīng)典的kaggle比賽，Top方案中既有構(gòu)造時(shí)序特征的gbdt方法，也有深度學(xué)習(xí)方法。優(yōu)秀的方案里既有對(duì)模型的深刻認(rèn)識(shí)，更是對(duì)數(shù)據(jù)和任務(wù)的精細(xì)解讀。

• Corporación Favorita Grocery Sales Forecasting
• Web Traffic Time Series Forecasting
• Recruit Restaurant Visitor Forecasting
• M5 Forecasting - Accuracy

聯(lián)系方式

公眾號(hào)YueTan，歡迎關(guān)注

總結(jié)

以上是生活随笔為你收集整理的时间序列预测：I概述的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。