Statystyki i duże zbiory danych forecasting

5

Zadałem to pytanie na stronie stosu wymiany matematyki i polecono mi tutaj. Pracuję nad projektem hobby i potrzebuję pomocy w rozwiązaniu następującego problemu. Trochę kontekstu Załóżmy, że istnieje kolekcja przedmiotów z opisem funkcji i ceną. Wyobraź sobie listę samochodów i cen. Wszystkie samochody mają listę funkcji, np. Wielkość silnika, kolor, …

15 regression forecasting econometrics

3

Ustalanie, czy strona internetowa jest aktywna za pomocą codziennych wizyt

Kontekst: Mam grupę witryn, na których codziennie rejestruję liczbę odwiedzin: W0 = { 30, 34, 28, 30, 16, 13, 8, 4, 0, 5, 2, 2, 1, 2, .. } W1 = { 1, 3, 21, 12, 10, 20, 15, 43, 22, 25, .. } W2 = { 0, 0, 4, …

15 time-series forecasting

4

Modele predykcyjne: statystyki nie są w stanie pokonać uczenia maszynowego? [Zamknięte]

Zamknięte . To pytanie musi być bardziej skoncentrowane . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby skupiało się tylko na jednym problemie, edytując ten post . Zamknięte 2 lata temu . Obecnie śledzę program główny koncentrujący się na statystyce / ekonometrii. U mojego mistrza wszyscy studenci …

14 machine-learning forecasting predictive-models prediction out-of-sample

1

Radzenie sobie z brakującymi danymi w modelu wygładzania wykładniczego

Wydaje się, że nie ma standardowego sposobu radzenia sobie z brakującymi danymi w kontekście rodziny modeli wygładzania wykładniczego. W szczególności implementacja R zwana ets w pakiecie prognozy wydaje się brać najdłuższą podsekwencję bez brakujących danych, a książka „Prognozowanie z wygładzaniem wykładniczym” Hyndmana i in. wydaje się wcale nie mówić o …

14 time-series forecasting missing-data

1

Jak obliczyć błąd prognozy (przedziały ufności) dla bieżących okresów?

Często muszę prognozować przyszłe okresy w miesięcznych seriach danych. Dostępne są formuły do obliczania przedziału ufności dla alfa dla następnego okresu w szeregu czasowym, ale nigdy nie obejmuje to sposobu traktowania drugiego okresu, trzeciego okresu itp. Wyobrażam sobie wizualnie, że jeśli jakakolwiek prognoza byłaby wykreślona z górnymi i dolnymi przedziałami …

14 confidence-interval forecasting

2

Procedura i metody analizy szeregów czasowych z wykorzystaniem R.

Pracuję nad małym projektem, w którym staramy się przewidzieć ceny towarów (ropa, aluminium, cyna itp.) Na następne 6 miesięcy. Mam 12 takich zmiennych do przewidzenia i mam dane z kwietnia 2008 r. - maja 2013 r. Jak powinienem przejść do prognozowania? Zrobiłem następujące: Zaimportowane dane jako zestaw danych Timeseries Sezonowość …

13 r time-series forecasting neural-networks arima

4

Czy modele identyfikowane przez auto.arima () są oszczędne?

Próbowałem nauczyć się i stosować modele ARIMA. Czytałem doskonały tekst na temat ARIMA autorstwa Pankratza - Prognozowanie przy użyciu Univariate Box - Jenkins Models: Concepts and Cases . W tekście autor podkreśla przede wszystkim oszczędność w wyborze modeli ARIMA. Zacząłem grać z auto.arima()funkcji w R pakietu prognozy . Oto, co …

13 time-series forecasting arima aic automatic-algorithms

1

Obliczanie błędu prognozy przy krzyżowej weryfikacji szeregów czasowych

Mam model prognozowania dla szeregów czasowych i chcę obliczyć jego błąd prognozowania poza próbą. W tej chwili strategię, którą stosuję, jest ta sugerowana na blogu Roba Hyndmana (w dolnej części strony), która wygląda następująco (zakładając szereg czasowy i zestaw treningowy o rozmiarze k )y1, … , Yny1,…,yny_1,\dots,y_nkkk Dopasować model do …

13 time-series forecasting

2

Analiza eksploracyjna błędów prognozy przestrzenno-czasowej

Dane: Niedawno pracowałem nad analizą stochastycznych właściwości przestrzenno-czasowego pola błędów prognozowania produkcji energii wiatrowej. Formalnie można powiedzieć, że jest to proces indeksowane dwukrotnie w czasie (przytih), a raz w miejscu (P), zHoznacza liczbę razy LookAhead (czyli co około24regularnie próbki),toznacza liczbę „czasy prognozy” (tj. czasy, w których prognoza jest wydawana, około …

13 forecasting data-mining stochastic-processes spatial spatio-temporal

2

Wykorzystanie analizy szeregów czasowych do analizy / przewidywania gwałtownych zachowań

To trochę nieporadne pytanie, ale mam poważne zainteresowanie odpowiedzią. Pracuję w szpitalu psychiatrycznym i mam trzy lata danych gromadzonych każdego dnia na każdym oddziale, dotyczących poziomu przemocy na tym oddziale. Oczywiście model, który pasuje do tych danych, jest modelem szeregów czasowych. Musiałem różnicować wyniki, aby były bardziej normalne. Dopasowuję model …

13 time-series forecasting

1

Czy można porównywać wartości AIC, o ile modele są oparte na tym samym zestawie danych?

Robię prognozowanie w R, używając pakietu prognozy Roba Hyndmana . Papier należący do paczki można znaleźć tutaj . W artykule, po wyjaśnieniu algorytmów automatycznego prognozowania, autorzy implementują algorytmy na tym samym zbiorze danych. Jednak po oszacowaniu zarówno wygładzania wykładniczego, jak i modelu ARIMA, formułują stwierdzenie, którego nie rozumiem (na stronie …

13 time-series forecasting model-selection aic

3

Model szeregów czasowych

Muszę zautomatyzować prognozowanie szeregów czasowych i nie znam z góry cech tych szeregów (sezonowość, trend, hałas itp.). Moim celem nie jest uzyskanie najlepszego możliwego modelu dla każdej serii, ale uniknięcie całkiem złych modeli. Innymi słowy, otrzymywanie drobnych błędów za każdym razem nie stanowi problemu, ale od czasu do czasu jest …

13 time-series forecasting arima ensemble exponential-smoothing

1

Jak uwzględnić wpływ prognozowanych świąt

Mam dość przewidywalne dzienne szeregi czasowe z tygodniową sezonowością. Jestem w stanie wymyślić prognozy, które wydają się dość dokładne (potwierdzone przez krzyżową weryfikację), gdy nie ma wakacji. Jednak gdy są święta, mam następujące problemy: W mojej prognozie dostaję niezerowe liczby świąt, mimo że wszystkie historyczne święta mają wartość 0. To …

12 time-series forecasting arima outliers

1

Różnica między prognozami „w próbie” i „pseudo poza próbą”

Czy istnieje wyraźna różnica między prognozami w próbie a pseudo prognozami poza próbą . Oba mają na celu ocenę i porównanie modeli prognozowania.

12 forecasting model-comparison out-of-sample in-sample

4

Prognozowanie binarnych szeregów czasowych

Mam binarne szeregi czasowe z 1, gdy samochód się nie porusza, i 0, gdy samochód się porusza. Chcę zrobić prognozę dla horyzontu czasowego do 36 godzin do przodu i dla każdej godziny. Moje pierwsze podejście polegało na użyciu Naiwnego Bayesa przy użyciu następujących danych wejściowych: t-24 (codziennie sezonowo), t-48 (tygodniowo …

12 r time-series forecasting binary-data

Pytania otagowane jako forecasting