时间序列预测实战：ARIMA、Prophet 与 LSTM
系统覆盖时间序列预测：平稳性检验、ACF/PACF 分析、经典方法（移动平均/指数平滑/ARIMA）、Prophet 自动预测、LSTM 深度学习时序、特征工程与评估（RMSE/MAE）、实战对比。
tag
LSTM
共 2 篇文章。
时序预测实战：从 ARIMA 到时序基础模型
时序预测是销量、流量、运维与金融风控的核心能力，方法栈从经典统计到深度学习不断演进。本文系统讲解时序预测实战全链路：经典统计方法（ARIMA/ETS）、分解与平稳性检验、机器学习方法（LightGBM/XGBoost 特征工程）、深度方法（LSTM/TCN/Transformer/时序基础模型）、多步与滚动预测策略、评估指标（MSE/MAPE/Pinball），以及在线推理与生产部署的完整案例。