示例与教程¶
这里提供了实用案例与详细教程，帮助你快速上手并掌握 skforecast 在时间序列预测中的应用。你也可以在 Python 时间序列预测 免费获取全部学习资料。
难度
主题
中文教程正在陆续翻译中，完整的示例列表请查看英文页面。
入门指南：基础预测方法¶
本节面向时间序列预测初学者，涵盖最常用的模型与技术，帮助你打下扎实的理论与实践基础。
-
从滞后特征到回测，完整走通第一个机器学习预测模型。
-
拟合、调参并验证 ARIMA 与 SARIMAX 模型，包含阶数的自动选择。
-
基于梯度提升的预测：XGBoost、LightGBM 与 CatBoost
在同一个预测问题上比较三大梯度提升库的表现。
真实场景与案例研究¶
本节展示时间序列预测在真实业务中的应用，例如电力需求预测、网站流量预测，甚至加密货币价格预测。
-
结合日历与天气外生变量，预测每小时的电力需求。
没有符合筛选条件的示例。