【干货书】用于数据科学分析和预测的时间序列，529页pdf

数据科学的学生和实践者想要找到一个“有效”的预测，而不想被限制在单一的预测策略，数据科学的时间序列:分析和预测讨论了集成建模技术，以结合来自多个策略的信息。涵盖了时间序列回归模型、指数平滑、Holt-Winters预测和神经网络。它特别强调了经典的ARMA和ARIMA模型，这是该学科的其他教科书经常缺乏的。

这本书是一本通俗易懂的指南，不需要微积分背景知识就可以参与其中，但也不回避对所讨论技术的更深入解释。

https://www.routledge.com/Time-Series-for-Data-Science-Analysis-and-Forecasting/Woodward-Sadler-Robertson/p/book/9780367537944

特点:

提供了广泛的时间序列模型和方法的全面覆盖和比较:指数平滑，Holt Winters, ARMA和ARIMA，深度学习模型包括rnn, LSTMs, gru，以及由这些模型的组合组成的集成模型。 * 介绍了ARMA和ARIMA模型的因子表表示。这种表示法在这一层次的任何其他书籍中都没有，在实践和教学中都非常有用。 * 使用了真实世界的例子，这些例子可以很容易地从美国统计局、交通部和世界银行等来源的网络链接中找到。 * 附带的R软件包很容易使用，几乎不需要或不需要以前的R经验。这个包实现了书中提出的各种各样的模型和方法，并具有巨大的教学用途。