Statystyki i duże zbiory danych forecasting

1

Kiedy stosować Wygładzanie wykładnicze vs ARIMA?

Niedawno odświeżyłem swoją wiedzę na temat prognozowania, pracując nad niektórymi miesięcznymi prognozami w pracy i czytając książkę Roba Hyndmana, ale jedyne miejsce, w którym walczę, to kiedy zastosować model wygładzania wykładniczego w porównaniu z modelem ARIMA. Czy istnieje ogólna zasada, w której należy stosować jedną metodologię zamiast innej? Ponadto, ponieważ …

12 forecasting arima exponential-smoothing

3

Opracowanie odpowiedniego modelu szeregów czasowych do przewidywania sprzedaży na podstawie danych z ostatniego miesiąca

Od dwóch lat prowadzę działalność online, więc mam miesięczne dane dotyczące sprzedaży od około dwóch lat. Na mój biznes na każdy miesiąc z pewnością ma wpływ sezonowa huśtawka (działa lepiej w Boże Narodzenie itp.) I prawdopodobnie kilka innych czynników, których nie jestem świadomy. W celu lepszego przewidywania przyszłej sprzedaży oraz …

12 time-series forecasting

2

Prognozowanie godzinowych szeregów czasowych z częstotliwością dzienną, tygodniową i roczną

Ważna edycja: Chciałbym jak dotąd podziękować Dave'owi i Nickowi za ich odpowiedzi. Dobrą wiadomością jest to, że dostałem pętlę do pracy (zasada zapożyczona z postu prof. Hydnmana na temat prognozowania partii). Aby skonsolidować zaległe zapytania: a) Jak zwiększyć maksymalną liczbę iteracji dla auto.arima - wydaje się, że przy dużej liczbie …

12 forecasting arima predictor seasonality multiple-seasonalities

1

Dynamiczna analiza czynnikowa a model przestrzeni stanów

Pakiet MARSS w R oferuje funkcję dynamicznej analizy czynnikowej. W tym pakiecie dynamiczny model czynnikowy jest zapisany jako specjalna forma modelu przestrzeni stanów i zakładają one wspólne trendy zgodne z procesem AR (1). Ponieważ nie znam tych dwóch metod, mam dwa pytania: Czy dynamiczna analiza czynnikowa jest specjalną formą modelu …

12 r time-series forecasting factor-analysis state-space-models

2

Czy modele szeregów czasowych różnic log są lepsze niż stopy wzrostu?

Często widzę, że autorzy oceniają model „logarytmicznej różnicy”, np log(yt)−log(yt−1)=log(yt/yt−1)=α+βxtlog⁡(yt)−log⁡(yt−1)=log⁡(yt/yt−1)=α+βxt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Zgadzam się, że właściwe jest odniesienie xtxtx_t do zmiany procentowej ytyty_t podczas gdy log(yt)log⁡(yt)\log (y_t) to .I(1)I(1)I(1) Różnica logów jest jednak przybliżeniem i wydaje się, że równie dobrze można oszacować model bez …

12 time-series forecasting data-transformation econometrics logarithm

3

Jak poradzić sobie z nieistniejącymi lub brakującymi danymi?

Próbowałem metody prognozowania i chcę sprawdzić, czy moja metoda jest poprawna, czy nie. Moje badanie porównuje różne rodzaje funduszy wspólnego inwestowania. Chcę użyć indeksu GCC jako punktu odniesienia dla jednego z nich, ale problem polega na tym, że indeks GCC zatrzymał się we wrześniu 2011 r., A moje badanie trwa …

12 time-series forecasting missing-data

1

Kiedy muszę przestać szukać modelu?

Szukam modelu między cenami energii a pogodą. Mam cenę MWatt kupioną między krajami Europy i wiele wartości pogodowych (pliki Grib). Co godzinę przez okres 5 lat (2011-2015). Cena za dzień To jest dziennie przez jeden rok. Mam to na godziny przez 5 lat. Przykład pogody 3Dscatterplot, w kelwinach, przez godzinę. …

11 time-series forecasting predictive-models modeling large-data

1

Co mam zrobić, gdy wartości AIC są niskie i w przybliżeniu równe?

Chris Chatfield, którego wiele wysokiej jakości książek i artykułów lubiłem czytać, w (1) udziela następujących rad: Na przykład prawdopodobnie należy dokonać wyboru między modelami szeregów czasowych ARIMA o niskich i w przybliżeniu równych wartościach AIC, nie na podstawie tego, co daje minimalny AIC, ale na podstawie których można uzyskać najlepsze …

11 forecasting model-selection arima aic

1

R / mgcv: Dlaczego produkty tensorowe te () i ti () wytwarzają różne powierzchnie?

mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …

11 r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

1

Korekty prognozy (regresja liniowa)

Pełne ujawnienie: nie jestem statystykiem ani nie twierdzę, że nim jestem. Jestem skromnym administratorem IT. Graj ze mną delikatnie. :) Odpowiadam za zbieranie i prognozowanie wykorzystania miejsca na dysku dla naszego przedsiębiorstwa. Gromadzimy nasze wykorzystanie pamięci co miesiąc i stosujemy prostą, dwunastomiesięczną regresję liniową do prognoz (innymi słowy, tylko poprzednie …

11 regression forecasting adjustment

4

Ocena przewidywalności szeregów czasowych

Załóżmy, że mam trochę ponad 20 000 miesięcznych szeregów czasowych od stycznia do 05 grudnia. Każdy z nich reprezentuje globalne dane dotyczące sprzedaży innego produktu. Co jeśli zamiast obliczać prognozy dla każdego z nich, chciałbym skoncentrować się tylko na niewielkiej liczbie produktów, które „faktycznie mają znaczenie”? Mógłbym uszeregować te produkty …

11 time-series forecasting forecastability

1

Do czego odnosi się termin „rzadkie wcześniejsze” (FBProphet Paper)?

Czytając artykuł „Prognozowanie w skali” (narzędzie prognostyczne FBProphet, patrz https://peerj.com/preprints/3190.pdf ) natknąłem się na termin „rzadkie wcześniejsze”. Autorzy wyjaśniają, że używali takiego „rzadkiego wcześniejszego” do modelowania wektora odchyleń szybkości od pewnego współczynnika skalarnego , który jest parametrem modelu w logistycznym modelu wzrostu.δδ\mathbf{\delta}kkk Gdy stwierdzają, że , czy rozumiem poprawnie, że …

11 regression bayesian forecasting

5

Jak poprawić wykryte wartości odstające dla prognozowania danych szeregów czasowych?

Próbuję znaleźć sposób korygowania wartości odstających, gdy tylko znajdę je / wykryję w danych szeregów czasowych. Niektóre metody, takie jak nnetar w R, dają pewne błędy dla szeregów czasowych z dużymi / dużymi wartościami odstającymi. Udało mi się już poprawić brakujące wartości, ale wartości odstające wciąż niszczą moje prognozy ...

10 time-series forecasting outliers winsorizing

1

Interpretacja rozkładu szeregów czasowych przy użyciu TBATS z pakietu prognozy R.

Chciałbym rozłożyć następujące dane szeregów czasowych na komponenty sezonowe, trendowe i resztkowe. Dane to godzinny profil energii chłodzenia z budynku komercyjnego: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Istnieją zatem oczywiste dzienne i tygodniowe efekty sezonowe w związku z tym na podstawie porady: Jak rozłożyć szereg czasowy z wieloma składnikami sezonowymi? …

10 r time-series forecasting multiple-seasonalities tbats

1

Regresja losowa lasu dla prognoz szeregów czasowych

Próbuję wykorzystać regresję RF do prognozowania wydajności papierni. Mam dane minut po minucie dla danych wejściowych (szybkość i ilość miazgi drzewnej wchodzącej itp.), A także dla wydajności maszyny (wyprodukowany papier, moc pobierana przez maszynę) i szukam prognoz 10 minut wyprzedzić zmienne wydajności. Mam 12 miesięcy danych, więc podzieliłem je na …

10 time-series forecasting cross-validation random-forest autoregressive

Pytania otagowane jako forecasting