11、时间序列机器学习与经典模型入门

时间序列机器学习与经典模型入门

时间序列分析在众多领域都有着广泛的应用,如经济学、气象学等。机器学习为时间序列分析提供了强大的工具,能够基于数据做出系统、可重复且经过验证的决策。下面将介绍时间序列机器学习的相关内容以及经典的时间序列模型。

1. 时间序列机器学习库

在实际应用中,优秀的算法需要易于使用且可靠的软件实现。Python 提供了许多可靠的时间序列机器学习库,以下是一些监督式回归和分类算法的实现情况:
| 算法 | sktime | Pyts |
| — | — | — |
| Autoregressive Integrated Moving Average (ARIMA) | X | |
| DTW | X | X |
| BATS | X | |
| MUSE+WEASEL | X | X |
| MrSEQL | X | |
| ROCKET | X | X |
| BOSS | X | X |
| Bag-of-SFA Symbols in Vector Space (BOSSVS) | X | |
| CBOSS | X | |
| SAX-VSM | X | |
| RISE | X | |
| HIVE-COTE | X | |
| Time-Series Forest | X | |

sktime 有众多实现,它被东安格利亚大学 Anthony Bagnall 周围的团队积极用于研究。Pyts 由巴黎脑研究所和 CMAP 的 Johann Faouzi 和 Hicham Janati 维护,Johann Fa

你可能感兴趣的:(时间序列,机器学习,ARIMA)