更新时间：2021-02-02 17:21:58
封面
版权页
作者简介
内容简介
前言
第1篇 预测入门
第1章 认识预测
1.1 什么是预测
1.2 前沿技术
1.3 Python预测初步
第2章 预测方法论
2.1 预测流程
2.2 指导原则
2.3 团队构成
第3章 探索规律
3.1 相关分析
3.2 因果分析
3.3 聚类分析
3.4 关联分析
第4章 特征工程
4.1 特征变换
4.2 特征组合
4.3 特征评价
4.4 特征学习
第2篇 预测算法
第5章 参数优化
5.1 交叉验证
5.2 网格搜索
5.3 遗传算法
5.4 粒子群优化
5.5 模拟退火
第6章 线性回归及其优化
6.1 多元线性回归
6.2 Ridge回归
6.3 Lasso回归
6.4 分位数回归
6.5 稳健回归
第7章 复杂回归分析
7.1 梯度提升回归树（GBRT）
7.2 深度神经网络
7.3 支持向量机回归
7.4 高斯过程回归
第8章 时间序列分析
8.1 Box-Jenkins方法
8.2 门限自回归模型
8.3 GARCH模型族
8.4 向量自回归模型
8.5 卡尔曼滤波
8.6 循环神经网络
8.7 长短期记忆网络
第3篇 预测应用
第9章 短期日负荷曲线预测
9.1 电力行业负荷预测介绍
9.2 短期日负荷曲线预测的基本要求
9.3 预测建模准备
9.4 基于DNN算法的预测
9.5 基于LSTM算法的预测
第10章 股票价格预测
10.1 股票市场简介
10.2 获取股票数据
10.3 基于VAR算法的预测
10.4 基于LSTM算法的预测
参考文献
后折页
封底
