内容简介

本书教你如何从基于时间的数据（如日志、客户分析和其他事件流）中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码全面演示了用于时间序列预测的统计和深度学习方法。本书分为四部分：第一部分介绍时间序列预测的概念；第二部分介绍使用统计模型进行预测；第三部分介绍使用深度学习进行大规模预测；第四部分介绍使用自动化预测库进行大规模预测。本书兼顾理论与实战，适合熟悉Python和TensorFlow的数据分析师、数据科学家阅读。

Marco Peixeiro: Time Series Forecasting in Python (ISBN:　9781617299889).

Original English language edition published by Manning Publications.

This translation is published and sold by permission of Manning Publications, the owner of all rights to publish and sell the same.

本书中文简体字版由Manning Publications Co.LLC.授权机械工业出版社在全球独家出版发行。未经出版者书面许可，不得以任何方式抄袭、复制或节录本书中的任何部分。

北京市版权局著作权合同登记图字：01-2023-1032号。

作者简介

马可·佩塞罗
（Marco Peixeiro）

加拿大一家大银行的高级数据科学家自学成才，他特别清楚要想在这个行业发展需要掌握什么职业技能。Marco倡导实践学习方法，他在Medium博客、free Code Camp数据科学速成课程和Udemy课程都采用了这种方法。

译者序

一次偶然的机会，我遇见本书英文版，它让我爱不释手，我便一气呵成读完全文。本书图文并茂、内容详实，深深地吸引了我。

时间序列是按照时间发生的先后顺序进行排列的数据点序列，简称时序。时间序列预测是最常见的时序问题之一，在零售企业、电网公司、制造企业，以及新能源、金融等领域都有广泛应用。时序预测效果对业务有着重大影响，在关键时刻发挥决策支撑作用。例如：有效地预测电商零售产品销量可以为企业备货、配送、运营等提供决策依据，实现降本增效；准确地预测发电量与用电量可以使电网的调度更加智能化，发挥最大效能；提前诊断生产设备可能发生的故障可以做出预测性维护，降低停工造成的损失；实时估计电池剩余电量、预测剩余寿命可以更充分地使用车辆；对利率、股票、现金流、外汇等走势预测可以为投资理财带来更合理的规划。

本书作者Marco Peixeiro先生是一家银行的数据科学家，他自学成才，深知行业需要什么样的人才，因此本书也特别注重动手实践。讲实战、接地气、拒空谈，也是我一直崇尚的理念。本书从统计学建模到深度学习预测，再到自动化大规模预测，将理论和实践相结合，规避了一些难懂的数学公式。全书围绕抗糖尿病药物用量预测、家庭用电消费预测、牛排的月平均零售价格预测等典型项目案例，由浅入深，详细介绍了一整套行之有效的问题解决方法。书中部分章节还配有同步练习和开源代码，用以帮助读者巩固所学知识。

在此，特别感谢机械工业出版社的编辑，正是他们认真严谨的工作，才使得本书翻译顺利完成。感谢我的妻子，她的勤俭持家给了我奋斗的信心和力量；也感谢我的孩子，他们的成长、欢笑和进步，融化了我所有的艰辛，也让我的努力变得更有意义！

我在翻译的过程中，虽然力争信、达、雅，并与作者进行了沟通和交流，但是限于水平，书中难免存在不足之处，敬请读者批评指正，可以通过邮箱sczhai@qq.com联系我。希望本书能够对你有所帮助！

翟世臣
2023年9月于苏州