10 이전 질문에서 비 가우시안 경험적 데이터에 분포를 맞추는 방법에 대해 물었습니다. 데이터가 Gaussian이고 Kalman 필터를 먼저 적용한다고 가정 할 수 있다고 오프라인에서 나에게 제안되었습니다. 그런 다음 오류에 따라 더 멋진 것을 개발할 가치가 있는지 결정하십시오. 말이 되네요 따라서 훌륭한 시계열 데이터 세트 를 사용하여 칼만 필터를 실행하려면 몇 가지 변수 를 추정해야 합니다. (물론 어딘가에 R 패키지가 있지만 실제로이 작업을 수행하는 방법을 실제로 배우고 싶습니다 .) kalman-filter — 남자 이름 소스
7 Max Welling에는 모든 Kalman Filtering and Smoothing 방정식과 매개 변수 추정을 설명 하는 유용한 자습서 가 있습니다. 시작하기에 좋은 장소 일 수 있습니다. — 새긴 금 소스 3 링크는 여기에 대안이다, 죽은 web.archive.org/web/20120915073205/http://www0.cs.ucl.ac.uk/... — mgilbert pdfs.semanticscholar.org/3e9f/… — Anton
1 일반적인 방법은 Maximum Likelihood Estimation 을 사용하는 것 입니다. 기본적으로 Likelihood 함수가 필요하고 표준 최적화 프로그램 (예 : 등 optim)을 실행 하여 가능성을 최대화하십시오. — 웨인 소스