- 博客(152)
- 收藏
- 关注
原创 时序分析 45 -- 时序数据转为空间数据 (四) 格拉姆角场 python 实践 (下)
时序转化为图像数据后,采用卷积神经网络进行训练并验证预测结果。
2022-09-24 18:50:54 2314
原创 时序分析 38 - 时序预测 从ARIMA到SARIMAX(七)Facebook Prophet模型
Facebook Prophet模型构建,python实践
2022-06-01 20:37:37 723
原创 时序分析 35 - 时序预测 从ARIMA到SARIMAX(四) SARIMA
时序分析 34时序预测 从ARIMA到SARIMAX(四) SARIMA接上Step 5. SARIMA 现在我们来增加季节性因素。我们需要确定季节性因素的参数 P,Q,D.S。从前面的ACF图中我们得到了提示,季节周期为7,也就是 S=7。季节差分 我们已经知道为了使时序数据平稳,可以使用差分。对于ARIMA模型而言就是确定阶数 𝑑 。对于季节性时序数据,我们很可能需要应用季节性差分。但是,在季节
2022-05-28 10:52:23 1384
原创 时序分析 34 - 时序预测 从ARIMA到SARIMAX(三) Box-Jenkins方法
时序分析 34时序预测 从ARIMA到SARIMAX(三) Box-Jenkins方法上一篇我们进行了数据探索,本篇我们将介绍Box-Jenkins时序预测方法论,并开始进行ARIMA建模。Step 3. Box-Jenkins Method 方法简介为了实践整个(S)ARIMA(X)模型构建过程,我们将参考Box-Jenkins Method。请参考下图,此数据集种有500个时序,我们只针对2号仓库的28号商品进行预测建模。我们将尝试回答如下问题:时序是否平稳如果时序不平稳,如何将其转
2022-05-27 15:44:33 1235
原创 时序分析 33 - 时序预测 从ARIMA到SARIMAX(二)数据探索
时序分析 33时序预测 从ARIMA到SARIMAX(二)数据探索上一篇我们简单回顾了ARIMA的理论部分。本篇我们开始实践部分。首先我们先进行数据探索。import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')from statsmodels.tools.sm_exce
2022-05-27 13:19:58 506 1
原创 时序分析 32 - 时序预测 从ARIMA到SARIMAX (一)理论回顾
时序分析 32时序预测 从ARIMA到SARIMAX 上一篇文章中我们介绍了SARIMA模型,相比于ARIMA模型,SARIMA考虑了季节性因素。读过上篇文章的细心读者会发现,python的statsmodels对sarima的支持对象名为SARIMAX。事实上,确实存在一个时序分析模型称为SARIMAX(Seasonal Auto-Regressive Integrated Moving Average with eXogenous factors),对比
2022-05-23 19:45:10 3674
原创 时序分析 31 - SARIMA
时序预测SARIMA本系列前面我们介绍过MA(q)Moving Average/移动平均模型、AR/ Autoregressive/自回归、ARMA(p,q)Autoregressive Moving Average/自回归移动平均、ARIMA(p,q,d),Autoregressive Integrated Moving Average/差分自回归移动平均模型。整体看来模型越来越复杂,考虑的因素也是越来越全面。但ARIMA模型并没有考虑季节因素或者说是周期性因素,本篇文章介绍可以弥补这一点的SARIM
2022-05-21 12:50:38 3855 3
原创 时序分析 30 金融资产预测 - 蒙特卡洛模拟
金融资产预测蒙特卡洛模拟 商业经营活动中经常需要预测其收入、成本和利润。企业中的金融团队很可能会被要求构建金融模型进行场景分析,例如在不同的假设的情况下分析最好的情况、正常情况和最差的情况。这样做的目的主要是为管理层提供在不同的市场情况下公司的业务的营收情况的预览。但是构建类似模型的一个显著问题就是我们通常难以估算各种场景出现的概率。本文中,我们探讨使用Python语言应用蒙特卡洛模拟来缓解前面所说的问题,并且提供公司到达其目标的似然估计。蒙特卡洛模拟简介
2022-05-05 20:05:40 2800
原创 时序分析 29 - 时序预测 - 格兰杰因果关系(下) python实践2
时序分析 29 Granger-Cause 实践2金融时序数据分析 本文主要搭建经济模型,从而分析和预测金融时序数据,重点关注黄金和原油价格。这两种金融资产对全球经济影响较大,我们将使用格兰杰因果检验来测试多个变量之间的关系,然后会使用VAR(Vector Auto Regression)通过历史数据来尝试预测黄金和原油的未来价格。我们使用的数据包括黄金、白银、原油、股票指数、利率和美元。流程总结 下图大致概括了上一篇博文和本篇博文两次时间的基本流程。#mermaid-svg-kcHMWjZe
2022-04-09 14:01:49 7045 3
原创 时序分析28 - 时序预测 格兰杰因果关系(中) python实践1
时序分析28 - 时序预测 - 格兰杰因果关系(中)Python 实践 1上一篇文章我们介绍了格兰杰因果关系的基本概念、背景以及相关统计检验法。本篇文章我们使用Python编程实践一下。实践1:股票价格数据之间的格兰杰因果关系问题:苹果公司今天的股价是否可以用来预测明天的特斯拉的股价? 数据:来自雅虎财经import matplotlib.pyplot as pltimport seaborn as snsimport numpy as npimport pandas as pd读入数据
2022-04-09 13:45:55 6422 4
原创 时序分析 27 - 时序预测 格兰杰因果关系(上) 理论知识
时序分析 27 时序预测格兰杰因果关系(上) 理论知识本文主要阐述Granger Causality,即格兰杰因果关系在时间序列预测中的应用。背景与回顾本系列前面的文章中,我们讨论过了时序分析预测的多种方法,包括单变量时序问题和多变量时序问题。我们也讨论过了时序的分解:趋势、周期和随机噪声。预测时序在未来某个时间点的值是时序预测问题的常见问题,时序预测问题经常会使用机器学习方法,在金融、天气预报、医疗、商务和零售等领域都有很多应用。在实际问题中,时序预测问题通常涉及多个变量,而各个变量之间经常存
2022-04-07 20:01:57 5658
原创 时序分析 26 - 时序预测 Prophet包初探
时序分析 26时序预测 - Prophet包初探前言 在本系列前面的文章中,我们介绍了多种时序预测技术和模型。我们可以看出时序预测技术还是非常复杂的,步骤也比较繁琐。读者可能还记得VAR模型的步骤繁多,牵涉到的知识点和概念也非常多。本篇文章将要介绍Facebook开源的时序预测包Prophet. Prophet的设计者认为时序预测对于分析和使用该技术的人员来说,应该是简单的、易于使用的,而不需要把流行的标准方法全都走一遍。Prophet就是在这个设计初衷
2022-03-06 22:08:05 2129 1
原创 数据驱动分析实践九 - A/B测试设计和实施
数据驱动分析实践(九)A/B测试设计和实施 作为一个数据驱动增长的实施者,一个最主要的责任就是实践新的想法和持续学习。实践是检验机器学习模型的最有力的手段,新方法改善旧方法,举例来看: 如果你有一个具有95%正确率的留存模型,从中获得最可能流失的客户,并给这些客户一个诱人的优惠政策。你认为这些客户的10%会留下来,且每人每月为你带来20元的收入。这里有很多假设,让我们来详细讨论一下:模型的正确率为95%,
2022-02-05 12:06:15 663
原创 数据驱动分析实践八 - 提升模型
数据驱动分析实践八提升模型 当我们在处理增长相关的问题时,一个非常重要的关键因素就是效率。第一,我们需要提高时间效率,这意味着快速的构思、实践、学习和迭代;第二就是成本,在同样的预算、时间和付出下获得做大收益。 用户分段可以帮助提升转化率和降低成本。但是想想一下假如需要推行一个营销活动,你也确定了目标用户分段,你是否需要把优惠给其中的每一个客户? 一般情况下,答案
2022-02-04 12:34:13 1052
原创 数据驱动分析实践七 - 市场响应模型
数据驱动分析实践七市场响应模型 通过使用前面文章所建立的模型,我们可以进行客户分段、预测LTV等。我们也知道了我们的销量的大体情况。但是我们该如何使我们的销量增长呢?如果我们今天打折,我们期望的交易增长会有多少? 客户分段和A/B测试可以使我们尝试多个不同策略来产生销售增长。这是Growth Hacking的必要组件之一。你需要有想法并进行多次实验来挖掘增长机会。  
2022-02-04 12:16:19 1196
原创 数据驱动分析实践六- 预测销量
数据驱动分析实践六预测销量 在本篇文章之前,我们所有的预测模型都是面对客户的,例如流失率、下一个购买日等。现在我们可以看看宏观层面的事情,看看客户级别的问题是如何影响销量的。 时序预测是机器学习技术的重要组成部分,例如ARIMA(Autoregressive Integrated Moving Average)、SARIMA(Seasonal Autoregressive Integrated Moving-A
2022-02-03 12:30:45 2710 2
原创 数据驱动分析实践四 客户留存分析
数据驱动分析实践四 客户留存分析 在本系列前三篇文章中,我们已经定义了我们的指标、进行了客户分段并且建立机器学习模型来预测客户的LTV。由于我们通过客户分段和LTV预测知道了谁是我们最好的客户,我们应该尽力去留住这些客户。在这种情况下,客户留存率就成为了一个非常重要的指标值得我们去深入研究和分析。 留存率(Retention Ratio)指示了产品的市场适合度(Product Market Fit, PMF)。
2022-01-31 16:55:15 1483
原创 数据驱动分析实践三 Customer Lifetime Value
数据驱动分析三Customer Lifetime Value 上一篇我们探讨了如何进行客户分段,并介绍了RFM方法。本篇我们进入了本系列最重要的主题,如何估算CLV(Customer Lifetime Value)。关于CLV的基本概念和理论,读者可参见本人的另外系列文章用户存续期价值评估 事实上,我们经常在客户上投入以获得收入及利润,例如获客成本、线下广告、宣传活动和折扣等。这些活动自然而然地会产生价值非常高
2022-01-31 16:09:32 1617
原创 数字化转型(Digital Transform)
数字化转型(出版行业)文章目录数字化转型(出版行业)概念和定义:数字化转型金字塔数字化转型的要素两个主要成分三个层次六个核心要素多个驱动因素出版行业数字化转型数字化转型要点行业回顾国内产业态势学术出版附录1 2020年学术出版行业趋势报告摘要附录2 Gartner - 数字转型信息技术路线图 摘要关键阶段参与人附录3 STM 2025趋势报告概念和定义:数字化转型金字塔Digitization : 物理对象转化为数字表示,例如纸质文档转为电子文档(pdf/epub 等)Digitali
2021-10-25 14:51:36 2807
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 九
…接上七. 总结和资源分享 看到这里,相信大部分读者会对DDD的理念有所理解,但是又不能对整个过程完全了解。其实,笔者也处在这个阶段,水平不足之处,敬请大家原谅并给予指正! 笔者这里尝试总结一下DDD的核心理念:领域驱动设计是以领域核心业务为出发点,结合面向对象分析技术和设计模式,构造可重用,易于扩展和维护的领域模型,从而开发出健壮和可靠稳定的软件。领域驱动设计旨在把领域专家和技术人员联合在一起
2021-07-16 15:30:07 643
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 八
…接上六. 实践:战术设计 从某种意义上说,战略设计代表了计划能力,而战术设计代表了执行力。本节我们就来执行一下,因为本领域模型虽然并不复杂,但是如果把所有模型都贴出来也不太现实。笔者这里展示两个界限上下文的设计,只是个初稿,有很多不足,非常希望都到广大读者和专业人士的指正。用户管理上下文 CML 代码:BoundedContext userManagementContext implements userDomain { type =
2021-07-16 13:49:33 397 1
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 七
…接上五. 实践:战略设计 终于,我们来到了领域驱动设计的实践部分。在开始之前,我们明确一下领域驱动设计的主要产出:领域通用语言战略设计:子域划分到界限上下文再到上下文映射图(context mapper)战术设计:每一个界限上下文的模型设计,即类图首先,我们给出这个实践的需求,假设此需求来自于学术论文行业。该行业的核心业务逻辑是从各种渠道收集学术论文、或邀请行业知名专家共同撰写论文,并为用户提供在线阅读、检索等多种服务。我们先从DDD
2021-07-16 13:19:51 525 1
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 六
…接上战略设计与战术设计 DDD 同时提供了战略设计和战术设计。 战略设计帮助我们理解哪些投入是最重要的;哪些既有软件资产是可以拿来重新使用的;哪些人应该被加到团队中? 战术设计则帮助我们创建DDD模型中的各个部件。 让我们重新审视一下DDD开发流程:  
2021-07-15 15:17:52 422 3
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 五
… 接上四. 领域驱动设计基本概念介绍 在介绍领域驱动涉及的基本概念之前,我们先来看一下传统的思路容易形成什么问题。 无论是单体应用或者是服务化架构,开发人员在基本了解需求后,很容易从设计数据库模式开始。也就是说,开发人员会从业务需求上先构思实体关系图(ER-Graph),然后再以CRUD的思路来设计业务服务和代码。这种方式在简单业务逻辑上可以工作得很好,但是随着业务逻辑日趋复杂且需求频繁改动和增加
2021-07-15 15:02:54 436
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 四
… 接上SOA 架构 面向服务架构(Service Oriented Architecture,SOA)对于不同的人来说意思不同。这里梳理一下SOA原则:服务契约 : 通过契约文档,服务阐述自身的目的与功能。松耦合 : 服务将依赖关系最小化服务抽象 : 服务只发布契约,隐藏内部实现细节服务重用性 : 一种服务可以被其他服务所重用服务自治性 : 服务自行控制环境与资源以保持独立
2021-07-13 15:46:18 435
原创 DDD(Domain Driven Design) 领域驱动设计从理论到实践 三
…接上文三. 架构演进及DDD架构 近些年来,软件系统架构的发展非常迅速,历经了单体,SOA,微服务等多个框架。笔者在本节做一个简单梳理,并引出领域驱动设计的架构理念。架构起什么作用 首先,我们简单思考一下为什么要有架构?其主要作用是什么? 系统架构定义其组成要素和关系:要素 是 组成架构的重要元素 (Building Block)结构 是 要素之间的关系 (Relationsh
2021-07-09 16:54:57 472
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人