Python预测之美：数据分析与算法实战 kindle 电子书 免费 下载地址

Python 是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，因此，得到越来越多开发者的喜爱，广泛应用于Web 开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析与应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI 技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python 来做预测，不仅能够在业务上快速落地，还让代码维护起来更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。

《Python预测之美：数据分析与算法实战》共分为三部分。第一部分讲预测基础，主要涵盖预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握进行预测的基本步骤和方法思路。第二部分讲预测算法，该部分包含了多元回归分析、复杂回归分析、时间序列及进阶算法，内容比较有难度，需要细心品味。第三部分讲预测案例，包括短期日负荷曲线预测和股票价格预测两个实例，读者可以了解到实施预测时需要关注的技术细节。希望读者在看完本书后，能够将本书的精要融会贯通，进一步在工作和学习实践中提炼价值。

第1 篇 预测入门

第1 章 认识预测 . 2

1.1 什么是预测 . 2

1.1.1 占卜术 . 3

1.1.2 神秘的地动仪 . 3

1.1.3 科学预测 . 5

1.1.4 预测的原则 . 7

1.2 前沿技术 . 9

1.2.1 大数据与预测 . 10

1.2.2 大数据预测的特点 11

1.2.3 人工智能与预测 . 15

1.2.4 人工智能预测的特点 . 17

1.2.5 典型预测案例 . 18

1.3 Python 预测初步 . 26

1.3.1 数据预处理 . 27

1.3.2 建立模型 . 31

1.3.3 预测及误差分析 . 34

第2 章 预测方法论 . 37

2.1 预测流程 . 37

2.1.1 确定主题 . 38

2.1.2 收集数据 . 40

2.1.3 选择方法 . 42

2.1.4 分析规律 . 43

2.1.5 建立模型 . 48

2.1.6 评估效果 . 51

2.1.7 发布模型 . 52

2.2 指导原则 . 53

2.2.1 界定问题 . 53

2.2.2 判断预测法 . 55

2.2.3 外推预测法 . 56

2.2.4 因果预测法 . 58

2.3 团队构成 . 59

2.3.1 成员分类 . 59

2.3.2 数据氛围 . 61

2.3.3 团队合作 . 63

第3 章 探索规律 . 65

3.1 相关分析 . 65

3.1.1 自相关分析 . 65

3.1.2 偏相关分析 . 68

3.1.3 简单相关分析 . 69

3.1.4 互相关分析 . 80

3.1.5 典型相关分析 . 82

3.2 因果分析 . 87

3.2.1 什么是因果推断 . 87

3.2.2 因果推断的方法 . 90

3.2.3 时序因果推断 . 93

3.3 聚类分析 . 98

3.3.1 K-Means 算法 . 98

3.3.2 系统聚类算法 . 102

3.4 关联分析 110

3.4.1 关联规则挖掘 110

3.4.2 Apriori 算法 . 111

3.4.3 Eclat 算法 120

3.4.4 序列模式挖掘 . 123

3.4.5 SPADE 算法 124

第4 章 特征工程 . 136

4.1 特征变换 . 136

4.1.1 概念分层 . 137

4.1.2 标准化 . 138

4.1.3 离散化 . 141

4.1.4 函数变换 . 143

4.1.5 深入表达 . 144

4.2 特征组合 . 145

4.2.1 基于经验 . 145

4.2.2 二元组合 . 146

4.2.3 高阶多项式 . 148

4.3 特征评价 . 151

4.3.1 特征初选 . 151

4.3.2 影响评价 . 152

4.3.3 模型法 . 167

4.4 特征学习 . 172

4.4.1 基本思路 . 173

4.4.2 特征表达式 . 174

4.4.3 初始种群 . 183

4.4.4 适应度 . 185

4.4.5 遗传行为 . 187

4.4.6 实例分析 . 192

第2 篇 预测算法

第5 章 参数优化 . 199

5.1 交叉验证 . 199

5.2 网格搜索 . 201

5.3 遗传算法 . 203

5.3.1 基本概念 . 203

5.3.2 遗传算法算例 . 204

5.3.3 遗传算法实现步骤 . 209

5.3.4 遗传算法Python 实现 210

5.4 粒子群优化 . 213

5.4.1 基本概念及原理 . 213

5.4.2 粒子群算法的实现步骤 . 214

5.4.3 用Python 实现粒子群算法 215

5.5 模拟退火 . 220

5.5.1 基本概念及原理 . 220

5.5.2 模拟退火算法的实现步骤 . 221

5.5.3 模拟退火算法Python 实现 222

第6 章 线性回归及其优化 226

6.1 多元线性回归 . 226

6.1.1 回归模型与基本假定 . 226

6.1.2 最小二乘估计 . 227

6.1.3 回归方程和回归系数的显著性检验 . 228

6.1.4 多重共线性 . 229

6.2 Ridge 回归 233

6.2.1 基本概念 . 233

6.2.2 岭迹曲线 . 233

6.2.3 基于GCV 准则确定岭参数 . 235

6.2.4 Ridge 回归的Python 实现 . 237

6.3 Lasso 回归 . 237

6.3.1 基本概念 . 237

6.3.2 使用LAR 算法求解Lasso . 238

6.3.3 Lasso 算法的Python 实现 . 240

6.4 分位数回归 . 242

6.4.1 基本概念 . 242

6.4.2 分位数回归的计算 . 245

6.4.3 用单纯形法求解分位数回归及Python 实现 246

6.5 稳健回归 . 248

6.5.1 基本概念 . 249

6.5.2 M 估计法及Python 实现 . 250

第7 章 复杂回归分析 . 254

7.1 梯度提升回归树（GBRT） . 254

7.1.1 Boosting 方法简介 254

7.1.2 AdaBoost 算法 255

7.1.3 提升回归树算法 . 257

7.1.4 梯度提升 . 259

7.1.5 GBRT 算法的Python 实现 261

7.2 深度神经网络 . 264

7.2.1 基本概念 . 264

7.2.2 从线性回归说起 . 269

7.2.3 浅层神经网络 . 272

7.2.4 深层次拟合问题 . 277

7.2.5 DNN 的Python 实现 278

7.3 支持向量机回归 . 281

7.3.1 基本问题 . 281

7.3.2 LS-SVMR 算法 . 284

7.3.3 LS-SVMR 算法的Python 实现 . 285

7.4 高斯过程回归 . 286

7.4.1 GPR 算法 287

7.4.2 GPR 算法的Python 实现 . 289

第8 章 时间序列分析 . 292

8.1 Box-Jenkins 方法 292

8.1.1 p 阶自回归模型 293

8.1.2 q 阶移动平均模型 295

8.1.3 自回归移动平均模型 . 296

8.1.4 ARIMA 模型 . 300

8.1.5 ARIMA 模型的Python 实现 . 301

8.2 门限自回归模型 . 309

8.2.1 TAR 模型的基本原理 309

8.2.2 TAR 模型的Python 实现 . 310

8.3 GARCH 模型族 313

8.3.1 线性ARCH 模型 313

8.3.2 GRACH 模型 315

8.3.3 EGARCH 模型 . 315

8.3.4 PowerARCH 模型 . 316

8.4 向量自回归模型 . 318

8.4.1 VAR 模型基本原理 318

8.4.2 VAR 模型的Python 实现 . 320

8.5 卡尔曼滤波 . 324

8.5.1 卡尔曼滤波算法介绍 . 324

8.5.2 卡尔曼滤波的Python 实现 326

8.6 循环神经网络 . 328

8.6.1 RNN 的基本原理 329

8.6.2 RNN 算法的Python 实现 332

8.7 长短期记忆网络 . 335

8.7.1 LSTM 模型的基本原理 . 336

8.7.2 LSTM 算法的Python 实现 341

第3 篇 预测应用

第9 章 短期日负荷曲线预测 . 345

9.1 电力行业负荷预测介绍 . 345

9.2 短期日负荷曲线预测的基本要求 . 346

9.3 预测建模准备 . 347

9.3.1 基础数据采集 . 347

9.3.2 缺失数据处理 . 349

9.3.3 潜在规律分析 . 352

9.4 基于DNN 算法的预测 355

9.4.1 数据要求 . 356

9.4.2 数据预处理 . 356

9.4.3 网络结构设计 . 357

9.4.4 建立模型 . 358

9.4.5 预测实现 . 359

9.4.6 效果评估 . 359

9.5 基于LSTM 算法的预测 361

9.5.1 数据要求 . 361

9.5.2 数据预处理 . 362

9.5.3 网络结构设计 . 362

9.5.4 建立模型 . 363

9.5.5 预测实现 . 364

9.5.6 效果评估 . 364

第10 章 股票价格预测 . 367

10.1 股票市场简介 . 367

10.2 获取股票数据 . 368

10.3 基于VAR 算法的预测 . 371

10.3.1 平稳性检验 . 371

10.3.2 VAR 模型定阶 372

10.3.3 预测及效果验证 . 373

10.4 基于LSTM 算法的预测. 375

10.4.1 数据要求 . 375

10.4.2 数据预处理 . 376

10.4.3 网络结构设计 . 377

10.4.4 建立模型 . 377

10.4.5 预测实现 . 378

10.4.6 效果评估 . 378

参考文献 . 381

高级数据分析师，在互联网/电信/电力领域具有丰富的数据分析与挖掘建模经验。曾服务于华为技术软件有限公司、深圳市康拓普信息技术有限公司、深圳市数聚能源科技有限公司等企业，期间曾在小象学院兼职R语言数据挖掘讲师。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python预测之美：数据分析与算法实战在线阅读

在线听书地址：Python预测之美：数据分析与算法实战在线收听

在线购买地址：Python预测之美：数据分析与算法实战在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

Python 是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，因此，得到越来越多开发者的喜爱，广泛应用于Web 开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析与应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI 技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python 来做预测，不仅能够在业务上快速落地，还让代码维护起来更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。

《Python预测之美：数据分析与算法实战》共分为三部分。第一部分讲预测基础，主要涵盖预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握进行预测的基本步骤和方法思路。第二部分讲预测算法，该部分包含了多元回归分析、复杂回归分析、时间序列及进阶算法，内容比较有难度，需要细心品味。第三部分讲预测案例，包括短期日负荷曲线预测和股票价格预测两个实例，读者可以了解到实施预测时需要关注的技术细节。希望读者在看完本书后，能够将本书的精要融会贯通，进一步在工作和学习实践中提炼价值。

• 作者： 阿修 发布时间：2024-04-02 08:45:27

  大纲可以，但是缺乏细致的概述与解释，简单概述后又没有进行旁征博引，会的人不用看，不会的人一脸懵逼，这类书的通病；

• 作者： _張張張張三瘋_ 发布时间：2021-01-24 21:29:17

• 作者： boks 发布时间：2007-08-26 10:53:48

  蛮好

• 作者： 海阔天空 发布时间：2020-12-31 12:29:30

  有比这本书更好的选择。

• 作者： 惊翼* 发布时间：2020-08-04 15:52:40

  买了最后悔的一本书了，在群里该书的作者根本不理你，书本里的内容...呵呵，等我扫描出电子版分享给大家

• 作者： CoCo陶可可 发布时间：2020-09-10 15:33:19

  2020，324。

• 古老的行业

  作者：九宇 发布时间：2021-12-27 21:07:56

  本书详细的比较了中国内地、香港、新加坡、日本、美国、英国、德国房地产的发展历史及现状，基本的结论相似。研究中国香港和英国的房地产市场及住房制度有特殊的意义。中国内地房地产发展初期引进了很多中国香港的做法和模式，而英国住房制度又是中国香港房地产的启蒙，两个经济体又都陷入高房价困境。英国房价长期上涨，大幅跑赢通胀。1917-2017年，英国名义房价指数上涨888倍，年均涨幅达7%。同期，CPI上涨48倍，年均涨幅为4%。1988年7月3日，国务院下发《关于进一步深化城镇住房制度改革加快住房建设的通知》（23号文），指出“1998年下半年开始停止住房实物分配，逐步实行住房分配货币化”，启动商品房市场。全书末尾部分讨论了房产税的现状及未来发展，房产税即使推出，对房价的调控作用也相对有限。

• 无题

  作者：乡下人 发布时间：2013-12-22 15:45:44

          关于鲁迅研究的书籍，向来是见一本读一本，喜欢的大多一气读完（李长之的《鲁迅批判》，竹内好的《近代的超克》和朱正的《鲁迅回忆录正误》都是如此），不喜欢的则扔在一旁，大概不会再拿起来的罢！这样断断续续地大概看了十几本。如果要问自己从这十几本书中都得到什么，却是难以回答了。只记得因为《近代的超克》而喜欢先生的《坟》，因为《鲁迅回忆录正误》而喜欢先生的《二心集》，对《野草》的酷爱或受李欧梵《铁屋中的呐喊》影响。当时阅读的种种，感受的种种，大多忘记。忘记了倒还好，至少可以有点自己的见解。

          近来心绪颇为不佳，每日浑浑噩噩，不喜欢写信，讨厌学英语，甚至连记日记都力不从心。我并不善于向朋友诉说生活的种种，而且我这空心的毫无理由的烦恼实在无从说起。即便说了，也只是徒增几许惆怅罢！因此，只好在自己空心的生活中填进几本书去。这样便整日整日地读起书来，一边读一边做笔记。这似乎是一个消除苦闷和寂寞的好办法。然而我终于觉得无聊。我忽然不知道读书的意义何在。

          大概就是这样一种百无聊赖的心境促使我去翻翻先生的文字，顺便也找两本研究的著作来看看。

          朱正的书，原来看过《一个人的呐喊》。当时我在某报实习，颇不喜欢那种清闲而又无聊的生活，因此就带几本书去消磨时光。那两个月中我在报刊编辑方面的知识没有任何长进，倒是读了好几本德语小说，同时也认识了一个完全不一样的鲁迅先生。教科书或者官方舆论都认定先生是一个伟大的革命家，思想家，总之是圣人模样。《一个人的呐喊》将先生拉下神坛，尽力告诉读者一个平凡而伟大的鲁迅。作读书笔记的时候引了雨果的话——耶稣不是神，他还高于神，因为他就是——人。

          朱正做了一辈子的鲁迅研究，最大的贡献之一便是还原真实的鲁迅。从文革末期的《鲁迅回忆录正误》到《一个人的呐喊》，还原真实的鲁迅都是朱正鲁迅研究的重点之一。

          太史公说知人论世。因此，对先生的生平有一个较为客观真实的了解对于理解先生的文字应该是有好处的罢！专门研究文字的学问已经使我厌倦。《左传》里说人“不朽”的途径有三：立德，立功，立言。然而，我始终觉得一个人最重要的还是寻找自我，立我。王尔德说：“绝大多数人都是他人。”对此，他如是解释：“他们的思想是某个他人的意见，他们模仿他人的生活，他们最爱引用他人的话。”因此，两千多年之后我们还记得不立文字的苏格拉底，因为苏格拉底就是苏格拉底，而不是写过什么哲学著作的苏格拉底。苏格拉底本身就是一种哲学。一个学问家死后，关于他个人的事迹屈指可数，著作却不断被后人引用，学问是成功了，而做人未免失败。这终究是一件悲哀的事情。鲁迅之为鲁迅，他的意义应该大于他的作品的意义。做人始终是第一位的，人格伟岸了，作品自然也就伟岸，人格低劣，作品也好不到哪里去。所以，我们提到托尔斯泰，总要在前面加一个“伟大的”定性，提到易卜生则直呼其名。

          或许应该说一说这本书的内容了吧？！《鲁迅回忆录正误》正的是许广平《鲁迅回忆录》中的错误和失实之处。许广平的这本书写于解放之后，因此，处处都将鲁迅写作党的忠实拥护者。朱正要正的就是这样一个可以原谅的错误。《答托洛茨基派的信》是先生著名的一篇论战文章，由冯雪峰代笔。先生对于这篇文章不是很满意，在编《且介亭杂文末编》的时候没有将这篇文章收进去。其时已是1936年，先生病况严重。《答托洛茨基派的信》发表之后，胡风去看望先生，说到这篇文章：“雪峰模仿周先生的语气倒很像……”。先生淡淡地笑了笑，说：“我看一点都不像。”由于身体原因，1936年后期的论战文章大多由冯雪峰代写，写完后念给先生听，先生满意了才发表，不满意的地方要作修改。即便是这样，《答托洛茨基派的信》中还是有一些值得商榷的观点。这篇谈论革命统一战线的文章是倾向于苏联和共产党的。其实，先生自己对苏联和共产党并不偏爱。1936年先生病危，高尔基等邀请先生去苏联疗养，先生委婉地拒绝了。其时苏联正在进行惨绝人寰的大清洗运动，这便是先生不去苏联的主要原因。一次念完文章，听完先生的意见告别出来之后，冯雪峰说，鲁迅还是不行，不如高尔基；高尔基的文章都是党派给他的秘书写好的，他在上面签一个名就行了。冯雪峰的话虽然表达了不满的意思，但恰好说明先生的认真和独立。至于报端盛传的先生曾经给毛主席写信和赠送火腿等事情则完全是杜撰。先生的好友瞿秋白是党内斗争的牺牲品，他对于这些将战友放在敌人的屠刀下的伟人们或许不至于厌恶，但想必不会有什么好感。

          关于这本书的诸多好处，我不能一一详述。个人感触最深者乃是他做了很多努力之后用事实告诉读者先生始终是一个独立的知识分子，他不买国民党的账，也未必会对GCD青眼相看。

          一个人能够在血雨腥风的政治气氛中保持独立的人格很难，一生都保持这种独立的人格就更难，但其人格魅力也将会闪烁出更加耀眼的光芒。五十年代大陆各种政治运动不断，一个学人问时任中央研究院院长的胡适：“要是鲁迅活到现在，他会怎样？”胡适回答：“鲁迅是我们的人，他是不会屈服的。”

          很可惜，我们这个时代已经看不到先生这样有良知有独立人格的知识分子了。对于那些想要发现鲁迅，而不是想要发现鲁迅的作品的苦闷的青年，这样的一本书大概是有好处的罢！

          想起先生《野草》中的《这样的战士》来，顺便抄下来作结罢：

          在这样的境地里，谁也不闻战叫：太平。

          太平……

          但他举起了投枪！

          白夜

          2012年8月21日