Statystyki i duże zbiory danych forecasting

3

Jak wybrać najlepszą metrykę do pomiaru mojej kalibracji?

Programuję i wykonuję programowanie testowe. Po wprowadzeniu zmian w kodzie uruchamiam testy. Czasem im się udaje, a czasem im się nie udaje. Przed uruchomieniem testu zapisuję liczbę od 0,01 do 0,99 dla mojej wiarygodności, że test się powiedzie. Chcę wiedzieć, czy poprawiam przewidywanie, czy mój test się powiedzie, czy nie. …

10 forecasting decision-theory calibration scoring-rules

1

Dlaczego prognozy modeli ARMA są wykonywane przez filtr Kalmana

Jakie są zalety wyrażania modelu ARMA jako modelu przestrzeni stanów i przeprowadzania prognozowania przy użyciu filtra Kalmana? Metodologia ta jest na przykład stosowana w implementacji SARIMAX w python-statsmodels: https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

10 forecasting arma kalman-filter state-space-models statsmodels

2

Jak określić przewidywalność szeregów czasowych?

Jedną z ważnych kwestii, przed którymi stoją prognozy, jest to, czy daną serię można prognozować, czy nie? Natknąłem się na artykuł zatytułowany „ Entropia jako wskaźnik Priori przewidywalności ” autorstwa Petera Catta, który wykorzystuje aproksymalną entropię (ApEn) jako miarę względną do określenia danego szeregu czasowego. Artykuł mówi: „Mniejsze wartości ApEn …

10 time-series forecasting entropy maximum-entropy forecastability

4

Prognozowanie szeregów czasowych R za pomocą sieci neuronowej, auto.arima i ets

Słyszałem trochę o używaniu sieci neuronowych do prognozowania szeregów czasowych. Jak mogę porównać, która metoda prognozowania moich szeregów czasowych (dziennych danych detalicznych) jest lepsza: auto.arima (x), ets (x) lub nnetar (x). Mogę porównać auto.arima z ets przez AIC lub BIC. Ale jak mogę je porównać z sieciami neuronowymi? Na przykład: …

10 r neural-networks forecasting arima exponential-smoothing

3

Prognozowanie funkcji gęstości

Robię badania dotyczące prognozowania szeregów czasowych funkcji gęstości prawdopodobieństwa. Naszym celem jest prognozowanie pliku PDF na podstawie pliku PDF zaobserwowanego w przeszłości (zwykle szacowany). Opracowana przez nas metoda prognozowania sprawdza się całkiem dobrze w badaniach symulacyjnych. Potrzebuję jednak liczbowego przykładu z prawdziwych aplikacji, aby lepiej zilustrować naszą metodę. Czy istnieją …

10 time-series forecasting functional-data-analysis

1

Jak włączyć innowacyjną wartość odstającą przy obserwacji 48 w moim modelu ARIMA?

Pracuję nad zestawem danych. Po zastosowaniu niektórych technik identyfikacji modelu, wyszłam z modelem ARIMA (0,2,1). Użyłem detectIOfunkcji w pakiecie TSAw R do wykrycia innowacyjnej wartości odstającej (IO) przy 48. obserwacji mojego oryginalnego zestawu danych. Jak włączyć tę wartość odstającą do mojego modelu, aby móc jej używać do celów prognozowania? Nie …

10 r time-series arima outliers hypergeometric fishers-exact r time-series intraclass-correlation r logistic glmm clogit mixed-model spss repeated-measures ancova machine-learning python scikit-learn distributions data-transformation stochastic-processes web standard-deviation r machine-learning spatial similarities spatio-temporal binomial sparse poisson-process r regression nonparametric r regression logistic simulation power-analysis r svm random-forest anova repeated-measures manova regression statistical-significance cross-validation group-differences model-comparison r spatial model-evaluation parallel-computing generalized-least-squares r stata fitting mixture hypothesis-testing categorical-data hypothesis-testing anova statistical-significance repeated-measures likert wilcoxon-mann-whitney boxplot statistical-significance confidence-interval forecasting prediction-interval regression categorical-data stata least-squares experiment-design skewness reliability cronbachs-alpha r regression splines maximum-likelihood modeling likelihood-ratio profile-likelihood nested-models

2

Interpretowanie sezonowości za pomocą ACF i PACF

Mam zestaw danych, w którym intuicja empiryczna mówi, że powinienem oczekiwać cotygodniowej sezonowości (tj. Zachowanie w sobotę i niedzielę różni się od reszty tygodnia). Czy to założenie powinno być prawdziwe, czy wykres autokorelacji nie powinien dać mi impulsów przy wielokrotnościach opóźnienia wynoszących 7? Oto próbka danych: data = TemporalData[{{{2012, 09, …

10 time-series autocorrelation forecasting

1

Dlaczego Anova () i drop1 () podają różne odpowiedzi dla GLMM?

Mam GLMM w postaci: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kiedy używam drop1(model, test="Chi"), otrzymuję inne wyniki niż w przypadku korzystania Anova(model, type="III")z pakietu samochodowego lub summary(model). Te dwa ostatnie dają te same odpowiedzi. Korzystając z wielu sfabrykowanych danych, odkryłem, że te …

10 r anova glmm r mixed-model bootstrap sample-size cross-validation roc auc sampling stratification random-allocation logistic stata interpretation proportion r regression multiple-regression linear-model lm r cross-validation cart rpart logistic generalized-linear-model econometrics experiment-design causality instrumental-variables random-allocation predictive-models data-mining estimation contingency-tables epidemiology standard-deviation mean ancova psychology statistical-significance cross-validation synthetic-data poisson-distribution negative-binomial bioinformatics sequence-analysis distributions binomial classification k-means distance unsupervised-learning euclidean correlation chi-squared spearman-rho forecasting excel exponential-smoothing binomial sample-size r change-point wilcoxon-signed-rank ranks clustering matlab covariance covariance-matrix normal-distribution simulation random-generation bivariate standardization confounding z-statistic forecasting arima minitab poisson-distribution negative-binomial poisson-regression overdispersion probability self-study markov-process estimation maximum-likelihood classification pca group-differences chi-squared survival missing-data contingency-tables anova proportion

3

Jak prognozować na podstawie zagregowanych danych w nieregularnych odstępach czasu?

Staram się prognozować sprzedaż produktów w automatach. Problem polega na tym, że maszyna jest napełniana w nieregularnych odstępach czasu i przy każdym napełnieniu możemy rejestrować tylko zagregowaną sprzedaż od ostatniego napełnienia maszyny (tj. Nie mamy danych o codziennej sprzedaży). Zasadniczo mamy dane dotyczące zagregowanej sprzedaży w nieregularnych odstępach czasu. Odstępy …

10 time-series forecasting

8

Jakiego algorytmu można użyć do przewidywania zużycia materiałów eksploatacyjnych na podstawie danych z poprzednich zakupów?

Myśląc o rzekomo prostym, ale interesującym problemie, chciałbym napisać kod do prognozowania materiałów eksploatacyjnych, których będę potrzebować w najbliższej przyszłości, biorąc pod uwagę pełną historię moich poprzednich zakupów. Jestem pewien, że ten rodzaj problemu ma bardziej ogólną i dobrze przestudiowaną definicję (ktoś zasugerował, że jest to związane z niektórymi koncepcjami …

10 time-series machine-learning forecasting

1

Dobre praktyki podczas prognozowania szeregów czasowych

Od miesięcy pracuję nad krótkoterminowym prognozowaniem obciążenia i wykorzystaniem danych klimatycznych / pogodowych w celu zwiększenia dokładności. Mam wykształcenie informatyczne i dlatego staram się nie popełniać dużych błędów i niesprawiedliwych porównań, pracując z narzędziami statystycznymi, takimi jak modele ARIMA. Chciałbym poznać Twoją opinię na temat kilku rzeczy: Używam zarówno modeli …

10 time-series forecasting arima

3

Łączenie dwóch szeregów czasowych przez uśrednienie punktów danych

Chciałbym połączyć prognozę i prognozę wsteczną (mianowicie prognozowane wartości przeszłe) zestawu danych szeregów czasowych w jeden szereg czasowy, minimalizując średni błąd przewidywania kwadratu. Powiedzmy, że mam szeregi czasowe z lat 2001–2010 z luką dla roku 2007. Byłem w stanie prognozować 2007 na podstawie danych z lat 2001–2007 (czerwona linia - …

10 r time-series forecasting data-imputation

1

Udokumentowane / odtwarzalne przykłady udanych zastosowań metod ekonometrycznych w świecie rzeczywistym?

To pytanie może zabrzmieć bardzo szeroko, ale oto czego szukam. Wiem, że istnieje wiele doskonałych książek o metodach ekonometrycznych oraz wiele doskonałych artykułów z ekspozytorów na temat technik ekonometrycznych. Istnieją nawet doskonałe powtarzalne przykłady ekonometrii, jak opisano w tym sprawdzonym pytaniu krzyżowym . W rzeczywistości przykłady w tym pytaniu są …

10 r machine-learning forecasting data-mining econometrics

3

Czy warto agregować szeregi czasowe, aby wyglądały bardziej sensownie?

Kolejne pytanie o szeregi czasowe ode mnie. Mam zestaw danych, który codziennie rejestruje przypadki przemocy w szpitalu psychiatrycznym w ciągu trzech lat. Z pomocą mojego poprzedniego pytania bawiłem się nim i jestem teraz trochę szczęśliwy. Mam teraz to, że codzienna seria jest bardzo głośna. Zmienia się gwałtownie, w górę i …

10 time-series forecasting

1

Prognozowanie szeregów czasowych przy użyciu ARIMA vs LSTM

Problemem, z którym mam do czynienia, jest przewidywanie wartości szeregów czasowych. Patrzę na jeden szereg czasowy naraz i na podstawie np. 15% danych wejściowych chciałbym przewidzieć jego przyszłe wartości. Do tej pory natknąłem się na dwa modele: LSTM (długoterminowa pamięć krótkotrwała; klasa rekurencyjnych sieci neuronowych) ARIMA Próbowałem obu i przeczytałem …

10 time-series forecasting references arima lstm

Pytania otagowane jako forecasting