预测入门

认识预测

什么是预测

占卜术

神秘的地动仪

科学预测

预测的原则

前沿技术

大数据与预测

大数据预测的特点

人工智能与预测

热工智能预测的特点

典型预测案例

Python 预测初步

数据预处理

建立模型

预测及误差分析

预测方法论

预测流程

确定主题

收集数据

选择方法

分析规律

建立模型

评估效果

发布模型

指导原则

界定问题

判断预测法

外推预测法

因果预测法

探索规律

相关分析

自相关分析

偏相关分析

简单相关分析

互相相关分析

典型相关分析

因果分析

什么是因果推断

因果推断的方法

时序因果推断

聚类分析

关联规则挖掘

Apriori 算法

Eclat 算法

序列模式挖掘

SPADE 算法

特征工程

特征变换

概念分层

标准化

离散化

函数变换

深入表达

特征组合

基于经验

二元组合

高阶多项式

特征评估

特征初选

影响评价

模型法

特征学习

基本思路

特征表达式

初始种群

适应度

遗传行为

案例分析

预测算法

参数优化

交叉验证

网格搜索

遗传算法

基本概念

遗传算法算例

遗传算法实现步骤

遗传算法Python 实现

粒子群优化

基本概念及原理

粒子群算法的实现步骤

粒子群算法的Python 实现

模拟退火

基本概念及原理

模拟退火算法的实现步骤

模拟退火算法的Python 实现

线性回归及其优化

多元线性回归

回归模型与基本假定

最小二乘估计

回归方程和回归系数的显著性检验

多重共线性

Ridge 回归

基本概念

岭迹曲线

基于GCV 准则确定岭参数

Ridge 回归的Python 实现

Lasso 回归

基本概念

实用LAR 算法求解Lasso

Lasso 算法的Python 实现

分位数回归

基本概念

分位数回归的计算

用单纯形法求解分位数回归及Python 实现

稳健回归

基本概念

M估计法及Python 实现

复杂回归分析

梯度提升回归树（GBRT）

Boosting 方法简介

AdaBoost 算法

提升回归树算法

梯度提升

GBRT 算法 的Python 实现

深度神经网络

基本概念

从线性回归说起

浅层神经网络

深层次拟合问题

DNN 的Python 实现

支持向量机回归

基本问题

LS-SVMR 算法

LS-SVMR 算法的Python 实现

高斯过程回归

GPR 算法

GPR 算法的Python 实现

时间序列分析

Box-Jenkins方法

p 阶自回归模型

q阶移动平均模型

自回归移动平均模型

ARIMA 模型

ARIMA模型的Python 实现

门限自回归模型

TAR 模型的基本原理

TAR模型的Python 实现

GARCH 模型族

线性ARCH模型

GARCH模型

EGARCH 模型

PowerARCH 模型

向量自回归模型

VAR 模型的基本原理

VAR 模型的Python 实现

卡尔曼滤波

卡尔曼滤波算法介绍

卡尔曼滤波的Python 实现

循环神经网络

RNN的基本原理

RNN算法的Python 实现

长短期记忆网络

LSTM 模型的基本原理

LSTM算法的Python 实现

预测应用

短期日负荷曲线预测

电力行业复合预测介绍

短期日负荷曲线预测的基本要求

预测模型准备

基础数据采集

缺失数据处理

潜在规律分析

基于DNN算法的预测

数据要求

数据预处理

网络结构设计

建立模型

预测实现

效果评估

基于LSTM 算法的预测

数据要求

数据预处理

网络结构设计

建立模型

预测实现

效果评估

股票价格预测

股票市场简介

获取股票数据

基于VAR 算法的预测

平稳性检验

VAR 模型定阶

预测及效果验证

基于LSTM 算法的预测

数据要求

数据预处理

网络结构设计

建立模型

预测实现

效果评估