Прогнозирование временных рядов с помощью Facebook Prophet, ETNA, Sktime и Linkedin Greykite | Time Series Forecasting with Facebook Prophet, ETNA, Sktime, and Linkedin Greykite

Прогнозирование временных рядов с помощью Facebook Prophet, ETNA, Sktime и Linkedin Greykite

Обзор

Эта книга исследует прогнозирование временных рядов с использованием популярных библиотек Python: Prophet, sktime, ETNA и Greykite. Она охватывает их математические основы, API и практическое применение в прогнозировании, классификации и кластеризации. В книге приводятся примеры из реального мира из различных областей.

Кому подойдёт

• Специалисты по data science, решающие задачи с временными рядами.
• Разработчики, желающие углубить знания в области прогнозирования.
• Исследователи, работающие с временными данными.

Ключевые особенности

• Подробный анализ библиотек Prophet, sktime, ETNA и Greykite.
• Разбор математического аппарата и API.
• Практические примеры прогнозирования, классификации и кластеризации временных рядов.
• Руководство по конструированию и отбору признаков.
• Обширный объем: 780 страниц, твердая обложка.

Time Series Forecasting with Facebook Prophet, ETNA, Sktime, and Linkedin Greykite

Overview

This book explores time series forecasting using popular Python libraries: Prophet, sktime, ETNA, and Greykite. It covers their mathematical foundations, APIs, and practical applications in forecasting, classification, and clustering. Real-world examples from diverse fields are used to illustrate concepts.

Who it's for

• Data science specialists who regularly tackle time series problems.
• Developers looking to deepen their forecasting expertise.
• Researchers working with temporal data.

Key features

• In-depth analysis of Prophet, sktime, ETNA, and Greykite libraries.
• Explanation of mathematical foundations and APIs.
• Practical examples of time series forecasting, classification, and clustering.
• Guidance on feature engineering and selection for time series.
• Extensive coverage: 780 pages, hardcover.