Pytania otagowane jako time-series

Szeregi czasowe to dane obserwowane w czasie (w ciągłym czasie lub w dyskretnych przedziałach czasowych).

1
Przyrostowy IDF (odwrotna częstotliwość dokumentów)
W aplikacji do eksploracji tekstu jednym prostym podejściem jest użycie heurystyki do tworzenia wektorów jako zwartych rzadkich reprezentacji dokumentów. Jest to dobre w przypadku ustawień wsadowych, w których cały korpus jest znany z góry, ponieważ wymaga całego korpusui d ftf−idftf−idftf-idfidfidfidf idf(t)=log|D||{d:t∈d}|idf(t)=log⁡|D||{d:t∈d}| \mathrm{idf}(t) = \log \frac{|D|}{|\{d: t \in d\}|} gdzie jest …
1
Co czytać z funkcji autokorelacji szeregu czasowego?
Biorąc pod uwagę szereg czasowy, można oszacować funkcję autokorelacji i wykreślić ją, na przykład jak pokazano poniżej: Co można zatem przeczytać o szeregach czasowych z tej funkcji autokorelacji? Czy można na przykład uzasadnić stacjonarność szeregów czasowych? Edytowane : Tutaj zawarłem ACF z różnej serii z większą liczbą opóźnień
2
Wykryj zmiany w szeregach czasowych
Natknąłem się na zdjęcie prototypu aplikacji, który znajduje znaczące zmiany („trendy” - nie wzrosty / wartości odstające) w danych o ruchu: Chcę napisać program (Java, opcjonalnie R), który jest w stanie zrobić to samo - ale ponieważ moje umiejętności statystyczne są nieco zardzewiałe, muszę ponownie zagłębić się w ten temat. …
3
Analiza interwencji z wielowymiarowymi szeregami czasowymi
Chciałbym przeprowadzić analizę interwencyjną w celu oszacowania wyników decyzji politycznej dotyczącej sprzedaży alkoholu w czasie. Jestem jednak całkiem nowy w analizie szeregów czasowych, więc mam kilka pytań dla początkujących. Analiza literatury ujawnia, że ​​inni badacze wykorzystali ARIMA do modelowania sprzedaży alkoholu w szeregu czasowym, przy czym zmienne zastępcze służą jako …
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 
2
Jaka intuicja kryje się za rekurencyjną siecią neuronową Long Short Term Memory (LSTM)?
Idea Recurrent Neural Network (RNN) jest dla mnie jasna. Rozumiem to w następujący sposób: Mamy sekwencję obserwacji ( ) (lub innymi słowy, wielowymiarowe szeregi czasowe). Każda pojedyncza obserwacja jest wymiarową wektor numeryczne. W modelu RNN zakładamy, że następna obserwacja jest funkcją wcześniejszej obserwacji a także poprzedniego „stanu ukrytego” , gdzie …
2
Dlaczego funkcja STL daje znaczną zmienność sezonową z danymi losowymi
Narysowałem następujący kod z funkcją stl (Seasonal Decomposition of Time Series by Loess): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Pokazuje znaczącą zmienność sezonową z losowymi danymi umieszczonymi powyżej w kodzie (funkcja rnorm). Odmiana sygnalizująca jest widoczna za każdym razem, gdy jest uruchamiana, chociaż wzór jest inny. Dwa takie wzory pokazano poniżej: Jak możemy …
2
Dlaczego powinniśmy usuwać sezonowość z szeregów czasowych?
Podczas pracy z szeregami czasowymi czasami wykrywamy i usuwamy sezonowość za pomocą analizy spektralnej. Jestem prawdziwym początkującym w szeregach czasowych i jestem zdezorientowany, dlaczego ktoś chciałby usunąć sezonowość z oryginalnej serii czasowej? Czy usunięcie sezonowości nie zakłóca oryginalnych danych? Jakie korzyści czerpiemy dzięki konstruowaniu szeregów czasowych poprzez usunięcie sezonowości?
2
Jeśli szereg czasowy jest stacjonarny drugiego rzędu, czy oznacza to, że jest ściśle stacjonarny?
Proces jest ściśle stacjonarny, jeśli wspólny rozkład jest taki sam jak wspólny rozkład dla wszystkich m , dla wszystkich k i dla wszystkich t_1, t_2, ..., t_m .XtXtX_tXt1,Xt2,...,XtmXt1,Xt2,...,XtmX_{t_1},X_{t_2},...,X_{t_m}Xt1+k,Xt2+k,...,Xtm+kXt1+k,Xt2+k,...,Xtm+kX_{t_1+k},X_{t_2+k},...,X_{t_m+k}mmmkkkt1,t2,...,tmt1,t2,...,tmt_1,t_2,...,t_m Proces jest stacjonarny drugiego rzędu, jeśli jego średnia jest stała, a jego funkcja autokowariancji zależy tylko od opóźnienia. Czy zatem stacjonarne drugie …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.