Perguntas com a marcação «time-series»

Como treinar o modelo LSTM em vários dados de séries temporais? Caso de uso: tenho vendas semanais de 20.000 agentes nos últimos 5 anos. Precisa prever as próximas vendas semanais para cada agente. Preciso seguir uma técnica de processamento em lote - pegue um agente de cada vez, treine o …

13 machine-learning  time-series  statistical-significance  lstm  artificial-intelligence 

Imagine que temos dois processos de séries temporais, que são estacionários, produzindo: xt,ytxt,ytx_t,y_t . É zt=αxt+βytzt=αxt+βytz_t=\alpha x_t +\beta y_t , ∀α,β∈R∀α,β∈R\forall \alpha, \beta \in \mathbb{R} também estacionária? Qualquer ajuda seria apreciada. Eu diria que sim, uma vez que tem uma representação MA.

12 time-series  stochastic-processes  stationarity 

Todas as séries temporais não estacionárias podem ser convertidas em séries temporais estacionárias aplicando diferenciação? Além disso, como você decide a ordem da diferenciação a ser aplicada? Você apenas diferencia os intervalos 1,2 ... n e executa o teste de raiz unitária de estacionário cada vez para ver se a …

12 time-series  stationarity 

Estive usando o ajuste de modelo caret, mas depois executei novamente o modelo usando o gbmpacote. Entendo que o caretpacote usa gbme a saída deve ser a mesma. No entanto, apenas um teste rápido usando data(iris)mostra uma discrepância no modelo de cerca de 5% usando RMSE e R ^ 2 …

12 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

Tenho uma série temporal diária bastante previsível com sazonalidade semanal. Sou capaz de apresentar previsões que parecem bastante precisas (confirmadas pela validação cruzada) quando não há feriados. No entanto, quando há feriados, tenho os seguintes problemas: Na minha previsão, recebo números diferentes de zero para os feriados, mesmo que todos …

12 time-series  forecasting  arima  outliers 

Tenho uma dúvida / confusão sobre séries estacionárias necessárias para modelagem com o ARIMA (X). Estou pensando nisso mais em termos de inferência (efeito de uma intervenção), mas gostaria de saber se previsão versus inferência faz alguma diferença na resposta. Questão: Todos os recursos introdutórios que li afirmam que a …

12 time-series  econometrics  arima  inference 

Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis ​​estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Se tivermos uma série temporal longa e de alta resolução, com muito ruído, geralmente faz sentido agregar os dados em uma resolução mais baixa (digamos, valores diários a mensais) para entender melhor o que está acontecendo, removendo efetivamente alguns dos o barulho. Eu vi pelo menos um papel que, em …

12 time-series  aggregation 

Eu tenho um conjunto de dados de séries temporais no qual estou tentando ajustar um Modelo de Markov oculto (HMM) para estimar o número de estados latentes nos dados. Meu pseudo-código para fazer isso é o seguinte: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states …

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

O que são relação e diferença entre séries temporais e regressão? Para modelos e suposições , é correto que os modelos de regressão assumam independência entre as variáveis ​​de saída para diferentes valores da variável de entrada, enquanto o modelo de série temporal não? Quais são algumas outras diferenças? Para …

12 regression  time-series  box-jenkins 

Estou trabalhando em um algoritmo que utiliza um vetor do ponto de dados mais recente de um número de fluxos de sensores e compara a distância euclidiana aos vetores anteriores. O problema é que os diferentes fluxos de dados são de sensores completamente diferentes; portanto, tomar uma distância euclidiana simples …

12 time-series  normalization  real-time 

Estou tentando entender como usar o aprendizado de máquina para prever séries temporais financeiras 1 ou mais etapas no futuro. Tenho séries temporais financeiras com alguns dados descritivos e gostaria de formar um modelo e depois usá-lo para prever n passos adiante. O que tenho feito até agora é: getSymbols("GOOG") …

12 r  time-series  machine-learning  random-forest  finance 

Eu tenho um conjunto de dados que está claramente aumentando à medida que o tempo passa (taxa de câmbio de uma moeda, dados mensais ao longo de 20 anos), minha pergunta é: Posso prejudicar os dados e depois diferenciá-los também para torná-los estacionários, se eles forem prejudiciais? não consegue isso? …

12 time-series  stationarity 

Usei stl () em R para decompor os dados de contagem em componentes de tendência, sazonal e irregular. Os valores de tendência resultantes não são mais números inteiros. Tenho as seguintes perguntas: Stl () é uma maneira apropriada de dessazonalizar os dados da contagem? Como a tendência resultante não é …

12 r  time-series  poisson-distribution 

Estou tentando detectar valores anômalos em uma série temporal de dados climáticos com algumas observações ausentes. Pesquisando na web, encontrei muitas abordagens disponíveis. Dessas, a decomposição do stl parece atraente, no sentido de remover componentes de tendência e sazonais e estudar o restante. Lendo STL: um procedimento de decomposição de …

12 r  time-series  outliers  missing-data