Previsão de séries temporais binárias

12

Eu tenho uma série temporal binária com 1 quando o carro não está em movimento e 0 quando o carro está em movimento. Quero fazer uma previsão para um horizonte de tempo de até 36 horas à frente e para cada hora.

Minha primeira abordagem foi usar um Naive Bayes usando as seguintes entradas: t-24 (sazonal diária), t-48 (sazonal semanal), hora do dia. No entanto, os resultados não são muito bons.

Quais artigos ou software você recomenda para esse problema?

r time-series forecasting binary-data

— Ricardo Bessa
fonte

veja se isso ajuda math.bme.hu/~morvai/publications/papers/… bom dia

— Mithun Ashok

Você já considerou um modelo de markov oculto?

— Ram Ahluwalia

Obrigado pelas respostas. Mas já existe algum pacote de software disponível com algumas implementações? Eu procurei no R, mas só encontrei o pacote VLMC. Obrigado, Ricardo Bessa

Ricardo, você deve editar sua pergunta com essas informações adicionais, em vez de adicioná-lo como resposta. Obrigado e bem-vindo ao site!

— Aaron saiu de Stack Overflow

Existem realmente dois tipos de 1 em seus dados? Ou seja, 1 significa que o carro pode estar em movimento, mas não é contra 1, o que significa que seu carro realmente não pode estar em movimento no momento. Isso seria chamado de inflação única (geralmente é inflação zero). Nesse caso, você precisa modelar quando o carro pode estar em movimento ou não, e quando ele pode estar em movimento, mas não está.

— Wayne

6

Você pode usar os modelos ARMA generalizados (GLARMA). Veja, por exemplo, Kedem e Fokianos (2002), Modelos de Regressão para Análise de Séries Temporais.

Veja também R package glarma (no CRAN)

— hbaghishani
fonte

Esta resposta não deveria ter sido rebaixada.

— usεr11852 diz Reinstate Monic

3

O pacote R bsts permite estimar modelos de séries temporais estruturais bayesianas com destinos binários, definindo family = 'logit'. Observe, porém, que esses modelos geralmente exigem execuções mais longas que os dados gaussianos (por exemplo, niter = 10000).

— ulfelder
fonte

2

Que tal usar a regressão logística com alguns atrasos (diários, semanais) como preditores? (a maioria dos pacotes de software estatístico possui regressão logística). É um pouco de filmagem no escuro - você pode compartilhar os dados ou um enredo?

— Galit Shmueli
fonte

2

O modelo Hidden Markov é a versão seqüencial do Naive Bayes. Em bayes ingênuos, você tem um rótulo com vários valores possíveis (no seu caso 0/1) e um conjunto de recursos. O valor para y é selecionado pela modelagem p (features | label) * p (label).

Em um modelo markov oculto, uma sequência de rótulos é prevista pela modelagem de p (rótulo | rótulo anterior) e P (recursos | rótulo).

— Alex Lamb
fonte