«forecasting» 태그된 질문

테스트 중심 개발을 프로그래밍하고 수행합니다. 코드를 변경 한 후 테스트를 실행합니다. 때때로 그들은 성공하고 때로는 실패합니다. 테스트를 실행하기 전에 테스트가 성공할 것이라는 신뢰를 위해 0.01에서 0.99 사이의 숫자를 기록합니다. 테스트의 성공 여부를 예측하는 데있어 개선되고 있는지 알고 싶습니다. 테스트가 월요일 또는 금요일에 성공할지 예측하는 것이 더 나은지 여부를 추적 할 …

10 forecasting  decision-theory  calibration  scoring-rules 

ARMA 모델을 상태 공간 모델로 표현하고 칼만 필터를 사용하여 예측하면 어떤 이점이 있습니까? 이 방법론은 예를 들어 python-statsmodels의 SARIMAX 구현에 사용됩니다. https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

10 forecasting  arma  kalman-filter  state-space-models  statsmodels 

예측자가 직면 한 중요한 문제 중 하나는 주어진 시리즈 를 예측할 수 있는지 여부입니다. 필자 는 주어진 시계열을 결정하기 위해 대략적인 엔트로피 (ApEn) 를 상대적인 척도로 사용하는 Peter Catt의 " 우선 순위 예측 지표의 엔트로피 "라는 기사를 우연히 발견했습니다 . 기사는 말합니다 "작은 ApEn 값은 데이터 집합 뒤에 유사한 데이터 …

10 time-series  forecasting  entropy  maximum-entropy  forecastability 

신경망을 사용하여 시계열을 예측하는 것에 대해 조금 들었습니다. 어떻게 시계열 (일일 소매 데이터)을 예측하는 방법이 더 좋은지 비교할 수 있습니다 : auto.arima (x), ets (x) 또는 nnetar (x). auto.arima와 AIC 또는 BIC의 ets를 비교할 수 있습니다. 그러나 어떻게 신경망과 비교할 수 있습니까? 예를 들면 다음과 같습니다. > dput(x) c(1774, 1706, …

10 r  neural-networks  forecasting  arima  exponential-smoothing 

시계열 확률 밀도 함수 예측에 대한 연구를하고 있습니다. 우리는 역사적으로 관찰 된 (보통 추정 된) PDF가 주어진 PDF를 예측하는 것을 목표로하고 있습니다. 우리가 개발하고있는 예측 방법은 시뮬레이션 연구에서 상당히 잘 수행됩니다. 그러나 우리의 방법을 더 설명하기 위해 실제 응용 프로그램의 수치 예가 필요합니다. 따라서 시계열의 PDF가 수집되고 이러한 시계열을 예측하는 …

10 time-series  forecasting  functional-data-analysis 

데이터 세트를 작업 중입니다. 일부 모델 식별 기술을 사용한 후 ARIMA (0,2,1) 모델을 만들었습니다. R detectIO의 패키지 TSA에 있는 함수를 사용하여 48 번째 원본 데이터 세트에서 혁신적인 이상치 (IO) 를 감지했습니다 . 이 특이 치를 내 모델에 어떻게 통합하여 예측 목적으로 사용할 수 있습니까? R에서 예측할 수 없기 때문에 ARIMAX …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

나는 경험적 직관이 매주 계절성을 기대해야한다고 말하는 데이터 세트를 가지고 있습니다 (즉, 토요일과 일요일의 행동은 나머지 주와 다릅니다). 이 전제가 사실이어야합니까, 자기 상관 그래프가 7의 지연 배수에서 버스트를 제공해서는 안됩니까? 다음은 데이터 샘플입니다. data = TemporalData[{{{2012, 09, 28}, 19160768}, {{2012, 09, 19}, 19607936}, {{2012, 09, 08}, 7867456}, {{2012, 09, 15}, …

10 time-series  autocorrelation  forecasting 

GLMM 형식이 있습니다. lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) 를 사용할 때 자동차 패키지 또는에서 사용할 때 drop1(model, test="Chi")와 다른 결과를 얻습니다 . 후자의 두 사람도 같은 대답을합니다.Anova(model, type="III")summary(model) 조작 된 데이터를 사용 하여이 두 가지 방법이 일반적으로 다르지 않다는 것을 알았습니다. …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

자동 판매기의 제품 판매를 예측하려고합니다. 문제는 기계가 불규칙한 간격으로 채워지고 매 채우기마다 기계의 마지막 채우기 이후 집계 된 판매량 만 기록 할 수 있다는 것입니다 (즉, 매일 판매 데이터가 없음). 따라서 기본적으로 불규칙한 간격으로 집계 된 판매에 대한 데이터가 있습니다. 간격은 보통 2 일에서 3 주 사이입니다. 다음은 하나의 자동 …

10 time-series  forecasting 

아마도 간단하지만 흥미로운 문제에 대해 생각하면서, 나는 이전 구매의 전체 역사를 고려할 때 가까운 미래에 필요할 소모품을 예측하는 코드를 작성하고 싶습니다. 나는 이런 종류의 문제가 좀 더 일반적이고 잘 연구 된 정의를 가지고 있다고 확신합니다 (누군가 이것이 ERP 시스템 등의 일부 개념과 관련이 있다고 제안했습니다). 내가 보유한 데이터는 이전 구매 …

10 time-series  machine-learning  forecasting 

정확도를 높이기 위해 단기 부하 예측 및 기후 / 날씨 데이터 사용에 대해 몇 달 동안 노력해 왔습니다. 나는 컴퓨터 과학 배경을 가지고 있으며 ARIMA 모델과 같은 통계 도구를 사용하여 큰 실수와 불공평 한 비교를하려고하지 않습니다. 몇 가지 사항에 대한 귀하의 의견을 알고 싶습니다. 날씨 데이터가 예측에 미치는 영향을 조사하기 …

10 time-series  forecasting  arima 

평균 제곱 예측 오류를 최소화하여 시계열 데이터 세트의 예측 및 역전 (즉, 예측 된 과거 값)을 하나의 시계열로 결합하고 싶습니다. 2001 년에서 2010 년 사이의 시계열이 2007 년의 차이와 함께 있다고 가정 해 . 2001 년에서 2007 년 사이의 데이터 (빨간색 선 )를 사용하여 2007 년을 예측 하고 2008-2009 년 …

10 r  time-series  forecasting  data-imputation 

이 질문은 매우 광범위하게 들릴지 모르지만 여기에 내가 찾는 것이 있습니다. 계량 경제법에 관한 훌륭한 책과 계량법에 대한 훌륭한 설명이 많이 있습니다. 이 CrossValidated question에 설명 된 것처럼 재현 가능한 계량 경제학 예제 도 있습니다 . 실제로이 질문의 예는 내가 찾고있는 것에 매우 가깝습니다. 이 예제에서 누락 된 것은 연구 …

10 r  machine-learning  forecasting  data-mining  econometrics 

나에게서 시계열에 관한 또 다른 질문. 3 년 동안 정신 병원에서 폭력 사건을 매일 기록하는 데이터 세트가 있습니다. 이전 질문의 도움으로 나는 그것을 다루었 고 지금 그것에 대해 조금 더 행복합니다. 내가 지금 가지고있는 것은 매일 시리즈가 매우 시끄럽다는 것입니다. 그것은 0에서 최대 20까지 급격히 변동합니다. 황토 플롯과 예측 패키지 …

10 time-series  forecasting 

내가 다루고있는 문제는 시계열 값을 예측하는 것입니다. 한 번에 하나의 시계열을보고 있으며 입력 데이터의 15 %를 기준으로 미래 값을 예측하고 싶습니다. 지금까지 나는 두 가지 모델을 보았습니다. LSTM (장기 단기 기억, 반복 신경망의 클래스) 아리마 나는 둘 다 시도하고 그들에 대한 기사를 읽었습니다. 이제 두 가지를 비교하는 방법에 대해 더 …

10 time-series  forecasting  references  arima  lstm