【Udemy中英字幕】Time Series Classification in Python

Python中的时间序列分类

使用机器学习和深度学习为时间序列数据开发稳健且高效的分类模型

讲师：Marco Peixeiro

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 构建优化的时间序列分类模型
• 深入了解算法及其工作原理
• 使用机器学习和深度学习进行时间序列分类
• 可视化复杂时间序列分类数据
• 获取医疗保健、物联网、光谱学等领域的真实数据集经验！

探索相关主题

要求

• 熟悉 Python
• 了解常见的机器学习概念，如：训练/测试分割、网格搜索。

描述

掌握 Python 中的时间序列分类！本课程涵盖用于对时间序列进行分类的机器学习和深度学习技术，所有这些技术均应用于100% Python 的指导性实践项目中。

在本课程结束时，您将：

• 掌握时间序列分类

• 执行分类的特征工程和模型优化

• 学习并实施最先进的机器学习和深度学习模型

• 获得医疗保健、物联网、传感器数据、光谱学等领域真实数据集的实践经验

这是最完整的时间序列分类课程！我们涵盖了所有类型的模型，例如：

• 基于距离

• 基于词典

• 集成模型

• 基于特征

• 基于区间

• 基于内核

• Shapelet 模型

• 元分类器

在使用 Python 将它们应用于实际项目之前，我们首先探索每个模型的理论和内部工作原理。

此外，还有一个涵盖深度学习模型的附加部分，为您提供了应用任何深度学习架构进行时间序列分类的蓝图。所有函数都很灵活，因此您可以处理具有任意数量特征、样本和时间步长的序列。

详细大纲：

• 时间序列分类简介

  • 时间序列分类的应用

  • 基线分类器

• 基于距离的方法

  • 欧几里德距离

  • K 最近邻分类器

  • 从头开始的动态时间规整 (DTW)

  • 形状DTW

• 基于词典的模型

  • 老板

  • 黄鼠狼

  • 时间延迟估计

  • 沉思

  • 顶点项目：日语元音使用者分类

• 集成方法

  • 装袋

  • 加权分类器

  • 时间序列森林

• 基于特征的方法

  • 摘要分类器

  • 矩阵概况

  • 第22条军规

  • TSFresh

  • 顶点项目：对加工厂的设备故障进行分类

• 区间法

  • 上升

  • 到岸价

  • 博士

• 基于核的方法

  • 支持向量机

  • 火箭

  • 兵工厂

  • 顶点项目：根据用电量对电器进行分类

• 基于形状的方法

  • Shapelet 变换分类器

• 混合模型

  • 蜂巢阁

  • 顶点项目：通过光谱法进行饮料分类

• 额外内容：时间序列分类的深度学习

在本模块中，我们开发了一个蓝图，以便您可以应用任何深度学习架构进行时间序列分类。最后，您将构建灵活的函数，可以适应具有任意数量样本、特征和时间步长的序列。

• 使用 Keras 绘制深度学习蓝图

• 使用 PyTorch 绘制深度学习蓝图

本课程适合哪些人：

• 通过传感器数据从事医疗保健、物联网或设备监控的数据科学家
• 想要开发最先进分类模型的从业者