时间序列与机器学习

本书分为8 章，内容包括时间序列分析的基础知识、时间序列预测的常用方法，以及神经网络在时间序列预测中的应用；时间序列异常检测算法的技术与框架，如何识别异常的时间点及多种异常检测方法；时间序列的相似性度量方法、聚类算法；多维时间序列在广告分析和业务运维领域的应用，利用OLAP 技术对多维时间序列进行有效处理，通过根因分析技术获得导致故障的维度和元素；智能运维领域（AIOps）和金融领域的两个应用场景。 本书适合数据科学家、机器学习工程师、金融领域从业者，以及对时间序列分析和机器学习感兴趣的读者阅读。本书可作为高等院校计算机、统计学、金融学等相关专业师生的教材和参考资料。