【2023新书】针对工程师的数据驱动模型学习及其在单变量时间序列中的应用

这本全面的教材的主要目标是涵盖工程师需要了解的一些基本且最受欢迎的模型学习算法的核心技术，然后直接展示其在平稳时间序列中的适用性。这本书引入了一种与文献中的主流方法不同的多步骤时间序列建模方法。更详细地讨论了单变量时间序列的奇异谱分析、使用最小二乘法进行的趋势和季节性建模与残差分析，以及ARMA模型的建模。

随着数据驱动模型学习的应用在社会中变得普及，工程师需要了解其背后的原理，然后获得开发和使用由此产生的数据驱动模型学习解决方案的技能。读完这本书后，用户将获得足够的背景知识和信心来：(i)更容易地阅读其他模型学习教材，(ii)使用线性代数和统计学进行数据分析和建模，(iii)探索其他模型学习在其中发挥核心作用的应用领域。得益于众多的插图和模拟，这本教材将吸引需要在数据驱动模型学习中接受第一门课程的本科生和研究生。由于本书引入了易于实施的专门用于平稳时间序列模型学习的方法，因此对实践者也很有用。只需具备高级微积分、线性代数和统计学的基本知识，使该材料对高级本科生来说容易理解。