流量预测
基于时间特征的流量预测是一种非常常见的预测任务，流量包括网络流量也包括交通流量、基站流量等。流量预测对在线广告、网站运维、网络优化等方面有着很重要的作用。本案例集合主要收集流量预测的处理方法。
Kaggle上维基百科网站流量预测任务第一名解决方案
Artur Suilin 等人发布了 Kaggle 网站流量时序预测竞赛第一名的详细解决方案。他们不仅公开了所有的实现代码，同时还详细解释了实现的模型与经验。
案例来自 github.com
添加时间 2019/06/07 21:15:03
kaggle的维基百科网站流量预测第二名的解决方案
这是kaggle的维基百科网站流量预测第二名的解决方案。试过很多方案，这里描述了作者的一些思路和方案，还有作者也公布了源代码。
案例来自 www.kaggle.com
添加时间 2019/06/07 21:28:34
Web Traffic Forecasting
这篇博客讲述了利用Google DeepMind’s Wavenets做流量预测的方法。针对的任务也是维基百科流量预测（Kaggle比赛）。
案例来自 towardsdatascience.com
添加时间 2019/06/07 21:31:17
基于MXNet的时间序列建模
GluonTS （Probabilistic Time Series Modeling in Python）是一个python工具，是基于深度学习进行时间数据预测。可以快速地使用自己的数据来训练模型。
案例来自 github.com
添加时间 2019/06/08 20:31:15
使用简单神经网络和LSTM进行时间序列预测
作者基于波动性标准普尔500数据集和Keras深度学习网络框架，利用python代码演示RNN和LSTM RNN的构建过程，便于你快速搭建时间序列的预测模型。
案例来自 www.kdnuggets.com
添加时间 2019/06/08 22:37:39
使用带Dropout的LSTM来预测时序数据
这篇博客主要描述如何在keras的LSTM模型中加入dropout，并使用这个模型来预测时序数据。内容还包括如何设计一个强大的测试集，包含代码。
案例来自 machinelearningmastery.com
添加时间 2019/06/15 11:32:24
Forecasting at Scale
这是一篇论文，是Facebook开源时序数据处理工具Prophet的论文。这篇论文主要描述如何处理大规模时序数据预测的问题，这是可配置的模型。
案例来自 peerj.com
添加时间 2019/06/18 10:55:17
时间序列数据挖掘工具STUMPY
STUMPY是一个功能强大且可扩展的库，可帮助我们执行时间序列数据挖掘任务。 STUMPY旨在计算矩阵轮廓（matrix profile）。矩阵轮廓是一个向量，它存储了时间序列中任何子序列与其最近邻居之间的z标准化欧几里德距离。 它可以用来处理很多时序数据的挖掘任务： 模式/主题（在较长时间序列内近似重复的子序列）发现 异常点发现 shapelet 发现 语义分割 密度估计 时间序列链（时序有序的子序列模式） 等等其他的
案例来自 github.com
添加时间 2019/06/26 09:19:46
GluonTS - Probabilistic Time Series Modeling in Python
GluonTS是一个用于概率时间序列建模的Python工具包，围绕Apache MXNet（孵化）构建。 GluonTS提供了用于加载和迭代时间序列数据集的实用程序，可以训练的最先进模型，以及用于定义自己的模型的构建块，并快速实验不同的解决方案。
案例来自 github.com
添加时间 2019/06/26 09:29:34
时间序列建模问题，如何准确的建立时间序列模型？
这是一个知乎提问，里面的回答内容几乎包括了所有传统使用统计方法进行时间序列数据分析的内容。也就是判断时间序列数据是否是平稳的，然后提取平稳特征之后应用ARMA等模型分析。
案例来自 www.zhihu.com
添加时间 2019/07/09 14:56:46