哈佛扩展学校大数据分析课程的最终项目由Galina Alperovich完成于2017年5月。Cassandra NoSQL在处理时间序列数据方面有着广泛的应用。Cassandra的数据模型特别适合按顺序处理数据,具备高速写入、跨节点复制和高可用性等特点。与传统的关系型数据库不同,Cassandra无需执行SQL连接、分组等标准操作。本项目展示了如何利用Cassandra进行财务时间序列分析,强调其处理顺序数据的自然优势。此外,我们提供了轻量级Web应用程序,用户可选择美国3000家公司之一,并查看其股票数据的时间序列图表,进行统计分析和实时监测。
Cassandra时间序列分析结合NoSQL、Bokeh和Prophet进行股票预测
相关推荐
时间序列分析预测法
时间序列分析预测法分为三类:
平滑预测法:采用移动平均和指数平滑方法,平滑原始数据趋势线。
趋势外推预测法:利用历史数据拟合趋势函数,预测未来趋势。
平稳时间序列预测法:估计模型参数,根据历史数据预测未来值。
算法与数据结构
4
2024-05-24
应用时间序列分析:建模和预测的实践指南
特伦斯·C·米尔斯撰写的《应用时间序列分析:建模和预测的实践指南》已提供高清原版PDF,便于阅读。
算法与数据结构
5
2024-04-30
MATLAB时间序列预测方法概述
MATLAB中的经典时间序列预测方法包括自回归(AR)、移动平均线(MA)、自回归移动平均线(ARIMA)等多种技术。这些方法已经在各行业展示出色的分类和预测能力。在探索更高级的机器学习方法之前,建议首先熟悉这些经典技术,确保数据准备充分且方法正确。详细介绍了每种方法的实现步骤和使用提示,是入门时间序列预测的理想起点。
Matlab
0
2024-08-23
dayomi:React和NoSQL的结合
dayomi 是一种结合了 React 前端和 NoSQL 后端的存档软件,具有高效的数据存储与处理能力。
NoSQL
3
2024-07-12
使用径向基函数神经网络进行Mackey Glass时间序列预测
在这篇提交中,我实施了一个径向基函数(RBF)神经网络,用于预测混沌时间序列。特别是,我设计了一个Mackey Glass时间序列预测模型,该模型利用历史时间样本预测未来数步的值。RBF网络通过传统的梯度下降学习算法进行训练,核函数选用高斯核,其中心和散布参数来自于K均值聚类算法的结果。
Matlab
2
2024-07-30
用于时间序列预测的SAS应用
SAS应用于时间序列预测,提供完整的书签,并裁剪适合月度版本。
算法与数据结构
0
2024-08-08
利用过去5天的涨幅和市值财务因子进行股票预测
一个简单的股票预测算法,利用过去5天的涨幅,以及十余项市值因子和财务因子进行训练学习。训练数据存储在本地的MySQL数据库中。
算法与数据结构
1
2024-07-14
XGBoost与ForecastXGB的时间序列预测技术
《XGBoost与ForecastXGB的时间序列预测技术》是一篇关于如何利用ForecastXGB包进行时间序列预测的文章。详细介绍了如何利用XGBoost算法结合Rob Hyndman的Forecast包处理时间序列数据,实现精准的预测功能。ForecastXGB包提供了简便的API,有效地处理时间序列数据中的季节性变化等因素。
算法与数据结构
0
2024-08-28
R语言时间序列分析
利用全国卷烟销量数据,采用R语言进行时间序列分析。分别构建ARIMA季节时间序列模型、Holtwinters指数平滑模型,并评估模型准确性。提供完整R代码和数据集。
算法与数据结构
4
2024-05-13