主講老師: | 傅一航 | |
課時安排: | 1天/6小時 | |
學習費用: | 面議 | |
課程預約: | 隋老師 (微信同號) | |
課程簡介: | 本課程主要講解如何利用Python進行時間序列的數(shù)據(jù)建模,幫助學員構(gòu)建系統(tǒng)全面的預測建模思維,提升學員的數(shù)據(jù)建模綜合能力。 | |
內(nèi)訓課程分類: | 綜合管理 | 人力資源 | 市場營銷 | 財務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團隊管理 | 行政辦公 | 公司治理 | 股權(quán)激勵 | 生產(chǎn)管理 | 采購物流 | 項目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓 | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓 | 宏觀經(jīng)濟 | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運營 | 法律風險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓 | 保險培訓 | 銀行培訓 | 電信領(lǐng)域 | 房地產(chǎn) | 國學智慧 | 心理學 | 情緒管理 | 時間管理 | 目標管理 | 客戶管理 | 店長培訓 | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) | | |
更新時間: | 2023-09-01 11:25 |
【課程目標】
本課程為中級課程《大數(shù)據(jù)建?!返牡诙簳r序篇
本課程主要講解如何利用Python進行時間序列的數(shù)據(jù)建模,幫助學員構(gòu)建系統(tǒng)全面的預測建模思維,提升學員的數(shù)據(jù)建模綜合能力。
本系列課程從實際的業(yè)務(wù)需求出發(fā),結(jié)合行業(yè)的典型應(yīng)用特點,圍繞實際的商業(yè)問題,對數(shù)據(jù)預測建模的過程進行了全面的介紹(從模型選擇,到屬性選擇,再到訓練模型,評估模型以及優(yōu)化模型),通過大量的操作演練,幫助學員掌握數(shù)據(jù)建模的思路、方法、技巧,以提升學員的數(shù)據(jù)建模的能力,支撐運營決策的目的。
通過本課程的學習,達到如下目的:
1、 掌握數(shù)據(jù)建模的標準流程。
2、 掌握時序預測建模的基本思想,理解因素分解的思路。
3、 掌握常用的趨勢擬合模型。
4、 掌握常用的季節(jié)預測模型,能夠進行季節(jié)周期性的時序建模。
5、 深刻理念平穩(wěn)序列的概念,以及平穩(wěn)性檢驗。
6、 掌握平穩(wěn)序列的模型識別,以及模型定階。
7、 掌握時序預測模型的評估,以及優(yōu)化。
8、 掌握高級時序模型的訓練與建模。
【授課時間】
2天時間
(要根據(jù)學員的實際情況調(diào)整重點內(nèi)容及時間)
【授課對象】
業(yè)務(wù)支撐部、運營分析部、數(shù)據(jù)分析部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)部等相關(guān)技術(shù)人員。
【學員要求】
1、 每個學員自備一臺便攜機(必須)。
2、 便攜機中事先安裝好Python 3.9版本及以上。
3、 安裝好Numpy,Pandas,statsmodels,sklearn,scipy,keras等擴展庫。
注:講師現(xiàn)場提供分析的代碼和數(shù)據(jù)源。
【授課方式】
建模流程+ 案例演練 + 開發(fā)實踐 + 可視化呈現(xiàn)
采用互動式教學,圍繞業(yè)務(wù)問題,展開數(shù)據(jù)分析過程,全過程演練操作,讓學員在分析、分享、講授、總結(jié)、自我實踐過程中獲得能力提升。
【課程大綱】
1、 數(shù)據(jù)建模六步法
? 選擇模型:基于業(yè)務(wù)選擇恰當?shù)臄?shù)據(jù)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(shù)
? 評估模型:進行評估模型的質(zhì)量,判斷模型是否可用
? 優(yōu)化模型:如果評估結(jié)果不理想,則需要對模型進行優(yōu)化
? 應(yīng)用模型:如果評估結(jié)果滿足要求,則可應(yīng)用模型于業(yè)務(wù)場景
2、 數(shù)據(jù)挖掘常用的模型
? 數(shù)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(jīng)網(wǎng)絡(luò)、支持向量機等
? 市場細分:聚類、RFM、PCA等
? 產(chǎn)品推薦:關(guān)聯(lián)分析、協(xié)同過濾等
? 產(chǎn)品優(yōu)化:回歸、隨機效用等
? 產(chǎn)品定價:定價策略/最優(yōu)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(guān)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(xiàn)算法
? 模型原理
? 算法實現(xiàn)
5、 評估模型
? 評估指標
? 評估方法
? 殘差評估
6、 模型優(yōu)化
? 優(yōu)化模型:選擇新模型/修改模型
? 優(yōu)化數(shù)據(jù):新增顯著自變量
? 優(yōu)化公式:采用新的計算公式
7、 模型應(yīng)用
? 模型解讀
? 模型保存/加載
? 模型應(yīng)用/預測
8、 好模型是優(yōu)化出來的
1、 評估指標
? 判定系數(shù):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
問題:無法找到影響因素,無法回歸建模,怎么辦?隨著業(yè)務(wù)受季節(jié)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(yīng)用場景
3、 常見時序預測模型
? 趨勢類預測模型
? 季節(jié)類預測模型
? 平穩(wěn)時序預測模型
? 其它高級模型
4、 移動平均
? 應(yīng)用場景及原理
? 理解滑動窗口
? 移動平均種類
2 一次移動平均
2 二次移動平均
2 加權(quán)移動平均
2 移動平均比率法
? 移動平均關(guān)鍵問題
2 最佳期數(shù)N的選擇原則
2 最優(yōu)權(quán)重系數(shù)的選取原則
演練:銷售額預測模型及評估
演練:快銷產(chǎn)品季節(jié)銷量預測及評估
5、 指數(shù)平滑
? 應(yīng)用場景及原理
? 最優(yōu)平滑系數(shù)的選取原則
? 指數(shù)平滑種類
2 一次指數(shù)平滑
2 二次指數(shù)平滑(Brown線性)
2 三次指數(shù)平滑
演練:煤炭產(chǎn)量預測
6、 Holt趨勢模型(亦稱二次指數(shù)平滑)
? Holt線性模型
? Holt指數(shù)模型
? 阻尼線性趨勢
? 阻尼指數(shù)趨勢
1、 因素分解思想
2、 時間序列的四個構(gòu)成要素
? 長期趨勢Trend
? 季節(jié)變動Seasonality
? 循環(huán)變動Circle
? 不規(guī)則變動Irregular
案例:時間序列的季節(jié)分解
3、 Holt-Winters季節(jié)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(yōu)化
? 模型解讀
5、 HW乘法模型
6、 HW指數(shù)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(jié)模型
? 相加模型
? 相乘模型
? 模型訓練及優(yōu)化
? 模型解讀
1、 平穩(wěn)序列預測模型簡介
2、 序列平穩(wěn)性概念
? 恒定的均值
? 恒定的標準差
? 與位置無關(guān)的協(xié)方差
3、 序列平穩(wěn)性檢驗
? 折線圖法
? ACF/PACF圖
? ADF檢測法
4、 特殊平穩(wěn)序列:白噪聲
案例:序列平穩(wěn)性檢驗
案例:白噪聲檢驗
5、 平穩(wěn)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(wěn)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(shù)
? 遍歷確定階數(shù)
11、 時序模型總結(jié)
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(shù):R^2,調(diào)整R^2
? 三個誤差指標:MAE/MAPE/RMSE
2 平均絕對誤差MAE
2 均方差MSE/RMSE
2 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
1、 Prophet模型介紹
? 趨勢擬合
? 季節(jié)性預測
? 節(jié)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(shù)據(jù)集構(gòu)造
? 形狀構(gòu)造
? 滾動預測
結(jié)束:課程總結(jié)與問題答疑。
京公網(wǎng)安備 11011502001314號