Perguntas com a marcação «time-series»

Estou usando a Decomposição de Valor Singular como uma técnica de redução de dimensionalidade. Dados os Nvetores de dimensão D, a idéia é representar os recursos em um espaço transformado de dimensões não correlacionadas, que condensa a maioria das informações dos dados nos vetores próprios desse espaço em uma ordem …

13 time-series  machine-learning  pca  data-transformation  multivariate-analysis 

Esta é uma pergunta um tanto irreverente, mas tenho um interesse sério na resposta. Eu trabalho em um hospital psiquiátrico e tenho três anos de dados, coletados todos os dias em cada ala em relação ao nível de violência nessa ala. Claramente, o modelo que se encaixa nesses dados é …

13 time-series  forecasting 

Esta é uma pergunta bastante geral: Eu normalmente descobri que o uso de vários modelos diferentes supera um modelo ao tentar prever uma série temporal fora da amostra. Existem bons documentos que demonstrem que a combinação de modelos superará um único modelo? Existem práticas recomendadas para combinar vários modelos? Algumas …

13 time-series  modeling  model-comparison 

Tenho dados de vendas diárias de um produto altamente sazonal. Eu quero capturar a sazonalidade no modelo de regressão. Eu li que, se você tiver dados trimestrais ou mensais, nesse caso, poderá criar 3 e 11 variáveis ​​fictícias, respectivamente - mas posso lidar com dados diários? Eu tenho três anos …

13 regression  time-series  multiple-regression  categorical-data 

Ao modelar séries temporais, é possível (1) modelar a estrutura correlacional dos termos de erro como, por exemplo, um processo AR (1) (2) incluir a variável dependente atrasada como uma variável explicativa (no lado direito) Entendo que, às vezes, existem razões substanciais a seguir (2). No entanto, quais são as …

13 time-series  autocorrelation  residuals  lags 

Eu calculei a autocorrelação em dados de séries temporais sobre os padrões de movimento de um peixe com base em suas posições: X ( x.ts) e Y ( y.ts). Usando R, executei as seguintes funções e produzi os seguintes gráficos: acf(x.ts,100) acf(y.ts,100) Minha pergunta é: como interpreto esses gráficos? Quais …

13 r  time-series  autocorrelation 

Neste caso em particular, estou me referindo ao dia em que um lago congela. Essa data de início ocorre apenas uma vez por ano, mas às vezes não ocorre (se o inverno é quente). Assim, em um ano, o lago pode congelar no dia 20 (20 de janeiro) e em …

13 regression  time-series  survival  data-transformation  recurrent-events 

Estou fazendo algumas previsões em R usando o pacote de previsões de Rob Hyndman . O documento pertencente à embalagem pode ser encontrado aqui . No artigo, depois de explicar os algoritmos de previsão automática, os autores implementam os algoritmos no mesmo conjunto de dados. No entanto, depois de estimar …

13 time-series  forecasting  model-selection  aic 

Tenho problemas para descobrir exatamente o que as barras de alcance plot.stlsignificam. Encontrei o post de Gavin sobre essa questão e li a documentação também, entendo que eles relatam a magnitude relativa dos componentes decompostos, mas ainda não tenho muita certeza de como eles funcionam. Por exemplo: dados: barra minúscula, …

13 r  time-series 

Se você pode medir uma série temporal de observações em qualquer nível de precisão no tempo, e seu objetivo do estudo é identificar uma relação entre X e Y, existe alguma justificativa empírica para escolher um nível específico de agregação em detrimento de outro ou deve a escolha pode ser …

13 time-series  aggregation  disaggregation 

Eu tenho vários codificadores independentes que estão tentando identificar eventos em uma série temporal - nesse caso, assistindo a vídeos de conversas pessoais e procurando comportamentos não-verbais específicos (por exemplo, acenos de cabeça) e codificando a hora e a categoria de cada um. evento. Esses dados podem ser razoavelmente tratados …

13 time-series  reliability  agreement-statistics 

Esta pergunta pode ser muito básica. Para uma tendência temporal de dados, eu gostaria de descobrir o ponto em que mudanças "abruptas" acontecem. Por exemplo, na primeira figura mostrada abaixo, eu gostaria de descobrir o ponto de mudança usando algum método estatístico. E eu gostaria de aplicar esse método em …

13 time-series  trend  change-point 

Preciso automatizar a previsão de séries temporais e não conheço antecipadamente os recursos dessas séries (sazonalidade, tendência, ruído etc.). Meu objetivo não é obter o melhor modelo possível para cada série, mas evitar modelos muito ruins. Em outras palavras, obter pequenos erros toda vez não é um problema, mas obter …

13 time-series  forecasting  arima  ensemble  exponential-smoothing 

Estou pensando em duas estratégias para fazer "aumento de dados" na previsão de séries temporais. Primeiro, um pouco de fundo. Um preditor para prever o próximo passo de uma série temporal é uma função que normalmente depende de duas coisas, os estados passados ​​da série temporal, mas também os estados …

13 time-series  data-augmentation 

Quais problemas de entrada seqüencial são mais adequados para cada um? A dimensionalidade da entrada determina qual é a melhor correspondência? Os problemas que requerem "memória mais longa" são mais adequados para uma RNN LSTM, enquanto os problemas com padrões de entrada cíclicos (mercado de ações, clima) são mais facilmente …

13 time-series  neural-networks  hidden-markov-model  rnn