鐵人檔案
從統計方法 ARIMA、自迴歸模型，到機器學習迴歸數值模型、神經網絡 RNN、LSTM、GRU，再到使用 self-attention 機制的 Transformer、開源套件如 Prophet, Greykite, Orbit 等，介紹從古至今的時間序列預測模型演進，並以資料集實作案例，討論成效比較。
歡迎來到【時間序列分析與預測方法大全】第一篇！ 本篇我們會介紹時間序列資料所包含的屬性。先對資料特性有基本認識後，進入到方法和模型時才不會對各種名詞產生問號哦～...
昨天講了時間序列的 4 大屬性拆解，今天我們介紹三種時間序列資料的轉換方式，它的目的是能夠讓隱藏在時序中的規律可以更容易的被觀察。 首先上公式和概念： Powe...
第一篇記錄了時間序列屬性，將趨勢、季節性等元素拆解、分別畫出圖表；第二篇則介紹時間序列轉換方法，透過縮放，讓資料分布更趨於常態，讓我們更好觀察時序的類型。從第三...
（努力更新、連載中） 前一篇我們盤點、簡述了所要介紹的時間序列預測統計模型，第四篇我們要重點認識統計模型的經典、時間序列預測界的 OG（元老）—— ARIMA...
第四篇我們介紹了時間序列經典的統計預測方法 ARIMA，包含公式內的兩大模型 AR model、MA model，如何選擇參數 d, p, q，以及自動化的參數...
第六篇我們要對之前提過的 AR model (AutoRegressive model) 做一個延伸，那就是「VAR (Vector Autoregressio...
Hey guys, 第七篇就來實作一遍，「以傳統統計方法」預測多變量時間序列吧 雖然 VAR 的準確度和複雜度不像我們後面天數要介紹的神經網絡一樣，但這個實作流...
（資料更新中，會盡快補上缺漏部分） 第八篇我們進到機器學習的範疇。 說到用機器學習模型做時間序列預測，一定馬上想到把它當成迴歸問題對吧；不過呢，雖然時間序列預測...
（資料更新中，會盡快補上缺漏部分） 上集我們說明了迴歸分析和時間序列分析的差異、訓練時的注意事項；下集我們就來進行 Python 實作示範。 我們會對同一份資料...
介紹完機器學習預測時間序列，接著連續幾篇要進入到深度學習的範疇。 我們會提到在時間序列預測的命題上，深度學習和機器學習的不同、優化的邏輯，並且整理有哪些神經網絡...
