Perguntas com a marcação «time-series»

Recentemente, comecei a trabalhar em uma clínica de tuberculose. Nos reunimos periodicamente para discutir o número de casos de TB que estamos tratando atualmente, o número de testes administrados, etc. Gostaria de começar a modelar essas contagens para não ficar apenas imaginando se algo é incomum ou não. Infelizmente, tive …

23 r  time-series  poisson-distribution  count-data  epidemiology 

Mecanismos de atenção têm sido utilizados em vários trabalhos de Deep Learning nos últimos anos. Ilya Sutskever, chefe de pesquisa da Open AI, elogiou-os com entusiasmo: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0 Eugenio Culurciello, da Universidade de Purdue, afirmou que RNNs e LSTMs deveriam ser abandonados em favor de redes neurais puramente baseadas na atenção: …

23 time-series  deep-learning  lstm  rnn  attention 

Estou interessado na seleção de modelos em uma configuração de série temporal. Por concretude, suponha que eu queira selecionar um modelo ARMA de um conjunto de modelos ARMA com diferentes ordens de atraso. A intenção final é a previsão . A seleção do modelo pode ser feita por validação cruzada, …

23 time-series  forecasting  cross-validation  model-selection  aic 

Encontrei duas definições na literatura para o tempo de autocorrelação de uma série temporal fracamente estacionária: τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk|τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk| \tau_a = 1+2\sum_{k=1}^\infty \rho_k \quad \text{versus} \quad \tau_b = 1+2\sum_{k=1}^\infty \left|\rho_k\right| onde ρk=Cov[Xt,Xt+h]Var[Xt]ρk=Cov[Xt,Xt+h]Var[Xt]\rho_k = \frac{\text{Cov}[X_t,X_{t+h}]}{\text{Var}[X_t]} é a autocorrelação no atrasokkk. Uma aplicação do tempo de autocorrelação é encontrar o "tamanho efetivo da amostra": …

23 r  time-series  correlation 

Tenho uma série temporal que contém componentes sazonais duplos e gostaria de decompor a série nos seguintes componentes da série temporal (tendência, componente sazonal 1, componente sazonal 2 e componente irregular). Até onde eu sei, o procedimento STL para decompor uma série em R permite apenas um componente sazonal, então …

22 r  time-series  forecasting  decomposition  multiple-seasonalities 

Alguém tentou a previsão de séries temporais usando a regressão de vetores de suporte? Entendo máquinas de vetores de suporte e entendo parcialmente a regressão de vetores de suporte, mas não entendo como elas podem ser usadas para modelar séries temporais, especialmente séries temporais multivariadas. Eu tentei ler alguns papéis, …

22 time-series  machine-learning  svm 

O erro médio absoluto em escala (MASE) é uma medida da precisão da previsão proposta por Koehler & Hyndman (2006) . MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} onde é o erro absoluto médio produzido pela previsão real; enquanto é o erro absoluto médio produzido por uma previsão ingênua (por exemplo, previsão sem alteração …

22 time-series  forecasting  accuracy  mase 

Eu tenho uma pergunta sobre análise de cluster. Existem 3000 empresas, que precisam ser agrupadas de acordo com o uso de energia ao longo de 5 anos. Cada empresa possui valores para cada hora durante 5 anos. Gostaria de descobrir se algumas empresas têm o mesmo padrão de uso de …

22 time-series  clustering  spss 

Gostaria de saber se existe um código para treinar uma rede neural convolucional para fazer a classificação de séries temporais. Eu vi alguns artigos recentes ( http://www.fer.unizg.hr/_download/repository/KDI-Djalto.pdf ), mas não tenho certeza se existe algo ou se eu mesmo o codigo.

21 time-series  classification  neural-networks  conv-neural-network 

Quero ver se estou no caminho certo analisando meus gráficos ACF e PACF: Histórico: (Reff: Philip Hans Franses, 1998) Como o ACF e o PACF mostram valores significativos, presumo que um modelo ARMA atenda minhas necessidades O ACF pode ser usado para estimar a parte MA, ou seja, o valor …

21 time-series  model-selection  arma  statsmodels 

Entendo que, se um processo depende de valores anteriores, ele é um processo de recuperação garantida. Se depender de erros anteriores, é um processo de MA. Quando ocorreria uma dessas duas situações? Alguém tem um exemplo sólido que ilumine a questão subjacente a respeito do que significa para um processo …

21 time-series  autoregressive  moving-average 

Estou fazendo alguma pesquisa, mas fiquei paralisado na fase de análise (deveria ter prestado mais atenção às minhas aulas de estatísticas). Eu coletei dois sinais simultâneos: vazão integrada para volume e alteração na expansão torácica. Eu gostaria de comparar os sinais e, finalmente, esperar obter volume do sinal de expansão …

21 r  time-series  signal-processing  measurement 

Eu gostaria de usar um modelo de regressão logística binária no contexto de streaming de dados (séries temporais multidimensionais) para prever o valor da variável dependente dos dados (ou seja, linha) que acabou de chegar, dadas as observações anteriores. Até onde eu sei, a regressão logística é tradicionalmente usada para …

21 r  time-series  logistic 

Estou ajustando um modelo ARIMA em uma série temporal diária. Os dados são coletados diariamente de 02-01-2010 a 30-07-2011 e são sobre vendas de jornais. Como um padrão semanal de vendas pode ser encontrado (a quantidade média diária de cópias vendidas é geralmente a mesma de segunda a sexta-feira e …

21 r  time-series  arima  seasonality 

A análise funcional de componentes principais (FPCA) é algo que me deparei com e nunca consegui entender. Sobre o que é tudo isso? Veja "Uma pesquisa sobre análise funcional de componentes principais" de Shang, 2011 , e estou citando: O PCA encontra sérias dificuldades na análise de dados funcionais devido …

21 time-series  pca  dimensionality-reduction