Perguntas com a marcação «time-series»

Encontrei uma solução que afirmava que, se o quadrado de uma série temporal é estacionário, o mesmo ocorre com a série temporal original e vice-versa. No entanto, eu não pareço provar isso, alguém tem uma idéia se isso é verdade e se é como derivar isso?

9 time-series  self-study  data-transformation  stationarity 

Recentemente, recapitulei meus conhecimentos sobre séries temporais e percebi que o aprendizado de máquina geralmente oferece apenas um passo à frente das previsões. Com previsões um passo à frente, quero dizer previsões que, por exemplo, se tivermos dados horários, use os dados das 10h às 11h e 11h às 12h, …

9 machine-learning  time-series  forecasting  arima 

Estou tentando modelar e prever uma série temporal que é cíclica e não sazonal (ou seja, existem padrões sazonais, mas não por um período fixo). Isso deve ser possível usando um modelo ARIMA, conforme mencionado na Seção 8.5 de Previsão: princípios e prática : O valor de é importante se …

9 time-series  forecasting  arima  seasonality 

Eu tenho muitos dados de séries temporais - níveis e velocidades da água versus tempo. É a saída de uma simulação de modelo hidráulico. Como parte do processo de revisão para confirmar que o modelo está executando como esperado, tenho que plotar cada série temporal para garantir que não haja …

9 time-series  data-visualization  change-point 

Estou usando a biblioteca VAR de statsmodels do python para modelar dados de séries temporais financeiras e alguns resultados me intrigam. Eu sei que os modelos VAR assumem que os dados da série temporal são estacionários. Eu inadvertidamente ajustei uma série não estacionária de preços de log para dois títulos …

9 time-series  forecasting  r-squared  var  stationarity 

Estou lendo o documento on-line de detecção de ponto de mudança bayesiano de Adams e MacKay ( link ). Os autores começam escrevendo a distribuição preditiva marginal: em queP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t} P(x_{t+1} | r_t, \textbf{x}_t^{(r)}) P(r_t | \textbf{x}_{1:t}) \qquad \qquad (1) xtxtx_t é a observação no tempo …

9 time-series  bayesian  inference  change-point 

O problema com o qual estou lidando é prever valores de séries temporais. Estou analisando uma série temporal por vez e, com base em, por exemplo, 15% dos dados de entrada, gostaria de prever seus valores futuros. Até agora me deparei com dois modelos: LSTM (memória de longo prazo; uma …

9 time-series  forecasting  references  arima  lstm 

Como atribuo mais peso a observações mais recentes em R? Eu assumo isso como uma pergunta ou desejo comumente solicitado, mas tenho dificuldade em descobrir exatamente como implementar isso. Eu tentei procurar muito por isso, mas não consigo encontrar um bom exemplo prático. No meu exemplo, eu teria um grande …

9 r  time-series  regression  random-forest 

Nos modelos de séries temporais, como ARMA-GARCH, para selecionar o atraso ou a ordem apropriada do modelo, são utilizados diferentes critérios de informação, como AIC, BIC, SIC, etc. A minha pergunta é muito simples, porque donot usamos ajustado R2R2R^2 para escolher o modelo apropriado? Podemos selecionar modelo que levam à …

9 regression  time-series  model-selection  aic  bic 

Assuma a seguinte sequência dimensional 1: A, B, C, Z, B, B, #, C, C, C, V, $, W, A, % ... As cartas A, B, C, ..aqui representam eventos "comuns". Os símbolos #, $, %, ...aqui representam eventos 'especiais' O espaçamento temporal entre todos os eventos não é uniforme …

9 time-series  deep-learning  rare-events  lstm  sequential-pattern-mining 

Eu tenho dados mensais de 1993 a 2015 e gostaria de fazer previsões sobre esses dados. Usei o pacote tsoutliers para detectar os outliers, mas não sei como continuo prevendo com meu conjunto de dados. Este é o meu código: product.outlier<-tso(product,types=c("AO","LS","TC")) plot(product.outlier) Esta é a minha saída do pacote tsoutliers …

9 r  time-series  forecasting  arima  outliers 

Uso a decomposefunção Re crio os três componentes da minha série temporal mensal (tendência, sazonal e aleatória). Se plotar o gráfico ou olhar para a tabela, posso ver claramente que a série temporal é afetada pela sazonalidade. No entanto, quando regredo a série temporal para as 11 variáveis ​​fictícias sazonais, …

9 r  regression  time-series 

Só porque alguns correspondentes fizeram uma pergunta interessante a respeito dos métodos de computação da autocorrelação, comecei a brincar com ela, quase sem nenhum conhecimento sobre séries temporais e autocorrelação. O correspondente organizou seus dados ( pontos de dados de uma série temporal) alterados em um intervalo de tempo cada …

9 time-series  pca 

Estou ocupado com a modelagem ARIMA aumentada com variáveis ​​exógenas para fins de modelagem promocional e tenho dificuldade em explicá-la aos usuários corporativos. Em alguns casos, os pacotes de software acabam com uma função de transferência simples, ou seja, parâmetro * Variável Exógena. Nesse caso, a interpretação é fácil, ou …

9 time-series  data-visualization  forecasting  arima  causality 

Preciso implementar a detecção de anomalias em vários conjuntos de dados de séries temporais. Eu nunca fiz isso antes e estava esperando por alguns conselhos. Estou muito confortável com o python, então prefiro que a solução seja implementada (a maior parte do meu código é python para outras partes do …

9 machine-learning  time-series  python  computational-statistics  anomaly-detection