Python數據建模之時序模型篇

Python數據建模之時序模型篇課程/講師盡在Python數據建模之時序模型篇專題,Python數據建模之時序模型篇公開課北上廣深等地每月開課！Python數據建模之時序模型篇在線直播課程（免費試聽）。專家微信18749492090，講師手機13522550408，百度搜索“交廣國際管理咨詢”了解更多。

【課程大綱】
第一部分：預測建模基礎
1、數據建模六步法
?選擇模型：基于業務選擇恰當的數據模型
?屬性篩選：選擇對目標變量有顯著影響的屬性來建模
?訓練模型：采用合適的算法，尋找到最合適的模型參數
?評估模型：進行評估模型的質量，判斷模型是否可用
?優化模型：如果評估結果不理想，則需要對模型進行優化
?應用模型：如果評估結果滿足要求，則可應用模型于業務場景
2、數據挖掘常用的模型
?數值預測模型：回歸預測、時序預測等
?分類預測模型：邏輯回歸、決策樹、神經網絡、支持向量機等
?市場細分：聚類、RFM、PCA等
?產品推薦：關聯分析、協同過濾等
?產品優化：回歸、隨機效用等
?產品定價：定價策略/最優定價等
3、屬性篩選/特征選擇/變量降維
?基于變量本身特征
?基于相關性判斷
?因子合并（PCA等）
?IV值篩選（評分卡使用）
?基于信息增益判斷（決策樹使用）
4、訓練模型及實現算法
?模型原理
?算法實現
5、評估模型
?評估指標
?評估方法
?殘差評估
6、模型優化
?優化模型：選擇新模型/修改模型
?優化數據：新增顯著自變量
?優化公式：采用新的計算公式
7、模型應用
?模型解讀
?模型保存/加載
?模型應用/預測
8、好模型是優化出來的

第二部分：時序模型評估
1、評估指標
?判定系數：和
?平均誤差：MAE
?根均方差：RMSE
?平均誤差率：MAPE
2、信息準則指標
?赤池信息準則（Akaike Information Criterion，AIC）
?貝葉斯信息準則（Bayesian Information Criterion，BIC）
?HQIC（Hannan-Quinn Information Criterion，HQIC）
3、評估方法
?滾動交叉驗證法（cross validation）
4、其它評估
?殘差評估：白噪聲評估

第三部分：趨勢預測模型
問題：無法找到影響因素，無法回歸建模，怎么辦？隨著業務受季節性因素影響，未來的銷量如何預測？
1、時間序列簡介
2、時序預測的原理及應用場景
3、常見時序預測模型
?趨勢類預測模型
?季節類預測模型
?平穩時序預測模型
?其它高級模型
4、移動平均
?應用場景及原理
?理解滑動窗口
?移動平均種類
?一次移動平均
?二次移動平均
?加權移動平均
?移動平均比率法
?移動平均關鍵問題
?最佳期數N的選擇原則
?最優權重系數的選取原則
演練：銷售額預測模型及評估
演練：快銷產品季節銷量預測及評估
5、指數平滑
?應用場景及原理
?最優平滑系數的選取原則
?指數平滑種類
?一次指數平滑
?二次指數平滑（Brown線性）
?三次指數平滑
演練：煤炭產量預測
6、Holt趨勢模型（亦稱二次指數平滑）
?Holt線性模型
?Holt指數模型
?阻尼線性趨勢
?阻尼指數趨勢
第四部分：季節預測模型
1、因素分解思想
2、時間序列的四個構成要素
?長期趨勢Trend
?季節變動Seasonality
?循環變動Circle
?不規則變動Irregular
案例：時間序列的季節分解
3、Holt-Winters季節模型
?三個組成部分
?三個平滑因子
4、HW加法模型
?適用場景
?計算公式
?超參優化
?模型解讀
5、HW乘法模型
6、HW指數模型
案例：航空飛行里程預測模型
案例：汽車銷量預測模型
案例：沃爾瑪收益預測模型
7、基于回歸的季節模型
?相加模型
?相乘模型
?模型訓練及優化
?模型解讀
第五部分：平穩序列模型
1、平穩序列預測模型簡介
2、序列平穩性概念
?恒定的均值
?恒定的標準差
?與位置無關的協方差
3、序列平穩性檢驗
?折線圖法
?ACF/PACF圖
?ADF檢測法
4、特殊平穩序列：白噪聲
案例：序列平穩性檢驗
案例：白噪聲檢驗
5、平穩序列常用擬合模型
?AR(p)自回歸模型
?MA(q)移動平均模型
?ARMA(p,q)自回歸移動平均模型
6、模型識別
?ACF圖
?PACF圖
7、模型定階
?圖形定階（ACF/PACF）
?最小信息準則定階
8、非平穩序列處理
?平滑法
?變量變換
?差分運算：k步差分與d階差分
9、ARIMA(p,d,q)建模流程
案例：上海證券交易所收盤價建模
10、SARIMA(p,d,q)(P,D,Q,S)模型
?圖形確定階數
?遍歷確定階數
11、時序模型總結

第六部分：模型質量評估篇
1、回歸模型的評估指標
?三個基本概念:SSR/SST/SSE
?兩個判定系數:R^2,調整R^2
?三個誤差指標:MAE/MAPE/RMSE
?平均絕對誤差MAE
?均方差MSE/RMSE
?平均誤差率MAPE
2、模型的評估方法
?原始評估法
?留出法（Hold-Out）
?交叉驗證法（k-fold cross validation）
?自助采樣法（Bootstrapping）
3、時間序列的滾動交叉驗證

第七部分：高級時序模型
1、Prophet模型介紹
?趨勢擬合
?季節性預測
?節假日和特殊事件的影響
?離群值分析
案例：銷售額時序預測模型
2、LSTM模型簡介
?數據集構造
?形狀構造
?滾動預測

第八部分：廣告點擊量時序建模