前言

预测分析是人工智能时代非常重要的技术之一。每一天，各行各业都在用预测分析技术解决各式各样的问题。预测分析的原材料是数据，但搜集数据的成本很高。因此，虽然预测分析的大量主流思想和技术早在几十年前就已出现，但预测分析一直发展得较为缓慢。直至近年来，数据的获取能力和存储能力获得了空前提升，预测分析的应用才迎来爆发。预测分析变得流行还有两个原因：一是计算能力的显著提高；二是许多开源软件项目的出现极大地降低了预测分析技术的使用门槛，使学术界以外的人士也可以使用这一强大的技术。例如这个项目——Python编程语言及其分析库生态系统，也称为Python数据科学栈，就大大普及了高级分析技术的应用。

本书的主题是预测分析，其内容是与实际预测的分析过程紧密相关，而不限于算法和技术的详解。我们结合预测分析的实操示例，向你展示应用Python数据分析生态系统的主要技术和方法。本书主要使用两个项目贯穿整个预测分析过程，从商务业务实践和问题的理解到模型的开发，各个阶段均通过操作示例实现。

本书会介绍多种预测分析技术：统计模型、时间序列分析以及空间统计等。我们的关注重点是应用广泛的技术——机器学习，其中的监督学习是重点强调的部分。

本书认为，得到预测模型只是手段，不是目的。预测分析的目的是解决问题。因此，评价预测模型好坏的标准不应该是是否使用了最新和最时髦的技术，也不应该是评估模型本身是复杂还是简单。好的预测模型应该既能解决实际问题，操作起来又方便。我们的目标是，让你通过学习本书打好基础，随后能够使用预测分析解决实际问题。