教程演示🔗
课程描述
时间序列预测的特征工程是最完整的时间序列预测特征工程在线课程。在本课程中，您将学习用于从时间序列中提取和创建特征的不同特征工程方法，以便您可以提取适用于现成回归模型（例如线性回归、随机森林和梯度提升机）的特征。
您将在本课程中学到什么：
- 如何使用传统的机器学习模型
- 如何为时间序列预测估算缺失数据
- 如何通过窗口和延迟从过去的数据创建特征
- 如何编码分类变量以预测时间序列
- 预测未来的几步（向前几步而不是只向前一步）
- 如何将时间序列转换为可预测特征表
- 如何识别和删除时间序列预测中的异常值
- 以及更多
本课程适合谁：
- 那些想要为时间序列预处理数据集的人
- 想要学习用于时间序列预测的特征工程技术的数据科学家
- 希望提高特征工程编码技能的数据科学家
- 想要学习更多特征工程技术的数据科学家
课程规格：
- 发行商：Udemy
- 教练 : Soledad Galli , Kishan Manani
- 英语语言
- 水平：中级
- 时长 : 18 小时 9 米
- 课时数：142
- 格式 : mp4
课程内容：
要求 ：
- Python安装
- Jupyter笔记本安装
- Python编码技巧
- Numpy、Pandas 和 Matplotlib 的一些经验
- 熟悉 Scikit-Learn
- 熟悉机器学习算法
时间序列预测的特征工程照片
安装指南 ：
解压后，您可以使用您喜欢的视频播放器观看课程。
副标题：无
画质：720p
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
