作品簡介
本書針對數據科學家、分析師與統計學研究者,系統化說明時序資料的基礎理論、建模流程與實務應用。以 Python 為實作語言,結合 Pandas、StatsModels、Prophet、PyTorch 等工具,從資料清理到模型評估、部署,提供完整的時序預測工作流。書中配合金融、氣象、零售等實際案例,讓讀者能即時落地應用,並瞭解如何在快速變動的業務環境中維持模型效能。
章節列表
共 11 章
1
第一章 時序資料概論
2026-02-21
2
第 2 章:Python 時序資料工具
2026-02-21
3
第 3 章 資料預處理與特徵工程
2026-02-21
4
4. 模型選擇與評估:從統計模型到深度學習
2026-02-21
5
第五章:模型部署與監控
2026-02-21
6
第六章:多模型集成與增強學習
2026-02-21
7
第七章:時序預測模型的部署、監控與持續優化
2026-02-21
8
第八章 預測品質監控與自動調優
2026-02-21
9
第九章 線上部署與持續迭代:將預測模型搬進實際業務
2026-02-21
10
10. 多模型雜湊與 Meta‑Learning:提升預測效能的策略
2026-02-21
11
第十一章 模型漂移與再訓練機制
2026-02-21