本代码仓主要为个人所写时间序列数据挖掘方面的文章和适合公布的代码 同时个人csdn也会同步 https://blog.csdn.net/fitzgerald0
最近更新时间为:2020-10-10
有几篇关于时间序列的文章
【1】 本文使用TensorFlow Probability这一新的概率编程工具,通过实例简单介绍其中的时间序列建模。 This demo use TensorFlow Probability for time series model
https://blog.csdn.net/fitzgerald0/article/details/90274550
程序:ts_sale_example.py 数据:ts_sale.csv【2】 本文介绍使用tsfresh库进行时序 freature extract,结合lasso进行建模;
程序Use_Tsfresh_build_lasso_model.py https://blog.csdn.net/fitzgerald0/article/details/90612781
【3】 本文延续一个月前推送的销量预测模型系列,从传统的时间序列SARIMAX 算法讲解销量预测模型
程序script:sarimax_model.py 数据/data_set:sale_df.xlsx https://blog.csdn.net/fitzgerald0/article/details/100823231
【4】时间序列机器学习树模型特征汇总 https://blog.csdn.net/fitzgerald0/article/details/104029842 【5】多序列prophet模型预测 multi_prophet_model.py为多进程prophet模型代码 spark_prophet_demo.py为pyspark模型代码
【5】基于PySpark的销量预测
文章:https://blog.csdn.net/fitzgerald0/article/details/106885568
代码:https://github.com/fitzgerald0/time_series_data_mining/tree/master/pyspark_sale_forecast/script
【6】PySpark-prophet预测
文章:https://blog.csdn.net/fitzgerald0/article/details/106157008
代码:https://github.com/fitzgerald0/time_series_data_mining/blob/master/spark_prophet_demo.py
【7】k-shape时间序列聚类(tslearn)
文章:https://blog.csdn.net/fitzgerald0/article/details/108188588
代码:https://github.com/fitzgerald0/time_series_data_mining/blob/master/ts_shape.py
【8】时间序列可预测性度量
文章:https://blog.csdn.net/fitzgerald0/article/details/108995724
代码:https://github.com/fitzgerald0/time_series_data_mining/blob/master/adfuller_test.py
一篇个人最近看书杂谈
数据之外的代码