首印飞速售罄！《时间序列与机器学习》加印即将上市

主要观点总结

文章介绍了新书《时间序列与机器学习》的畅销情况及其内容结构。该书涵盖了时间序列分析的各个方面，包括概述、信息提取、预测、异常检测、相似度与聚类、多维时间序列、智能运维的应用场景以及金融领域的应用场景等。

关键观点总结

关键观点1: 新书畅销且内容全面

介绍了《时间序列与机器学习》首印售罄的情况，强调了该书内容全面，涵盖了时间序列分析的各个方面。

关键观点2: 时间序列分析的重要性

文章阐述了时间序列分析作为数据科学领域的重要分支，已经渗透到了生活和工作的各个领域，并强调了其在不同领域的应用价值。

关键观点3: 书籍章节内容详细介绍

详细介绍了书中的各个章节，包括时间序列概述、信息提取、预测、异常检测、相似度与聚类、多维时间序列、智能运维的应用场景以及金融领域的应用场景等，并指出该书结合了理论与实践，案例丰富。

关键观点4: 书籍适用人群广泛

强调了《时间序列与机器学习》不仅适合数据科学专业人士和学生，也适合对时间序列分析感兴趣的行业专家和研究人员。

正文

请到「今天看啥」查看全文

第 2 章“时间序列的信息提取”：介绍特征工程的核心概念及其在时间序列分析中的应用，比如对原始数据进行归一化、缺失值填充等转换；以及如何通过特征工程从时间序列数据中提取有用的特征，例如时间序列的统计特征、熵特征和降维特征等，以及如何判断时间序列的单调性。

第 3 章“时间序列预测”：介绍常用的时间序列预测方法，包括自回归模型、移动平均模型、自回归差分移动平均模型、指数平滑方法、Prophet，以及神经网络，例如循环神经网络、长短期记忆网络、Transformer、Informer 等。

第 4 章“时间序列异常检测”：介绍时间序列异常检测算法的技术与框架，如何识别异常的时间点，包括基于概率密度的方法（如3-Sigma、核密度估计）、基于重构的方法（如变分自编码器、Donut）、基于距离的方法（如孤立森林、RRCF）、基于有监督的方法和基于弱监督的方法等。

请到「今天看啥」查看全文