«time-series» 태그된 질문

분기당 3 회 반복하여 10 년 동안 분기 별 샘플링 데이터 (동물 바이오 매스)에 시계열을 적용하려고합니다. 따라서 40 개의 날짜와 120 개의 총 관측치가 있습니다. 나는 Shumway와 Stoffer의 시계열 분석에서 SARIMA'a를 읽었으며 응용 프로그램뿐만 아니라 스키드 우드워드 등도 읽었습니다. al. 's Applied 시계열 분석, 그리고 내 이해는 각 모델이 시계열의 …

11 r  time-series 

텍스트 마이닝 응용 프로그램에서 간단한 접근 방법 중 하나는 휴리스틱을 사용하여 문서의 간결한 스파 스 표현으로 벡터를 만드는 것입니다. 에 전체 코퍼스가 필요하기 때문에 전체 코퍼스가 선험적으로 알려진 배치 설정에 적합 합니다.tf−idftf−idftf-idfidfidfidf idf(t)=log|D||{d:t∈d}|idf(t)=log⁡|D||{d:t∈d}| \mathrm{idf}(t) = \log \frac{|D|}{|\{d: t \in d\}|} 여기서 는 용어, 는 문서, 는 문서 모음, (표시되지 않음)는 …

11 time-series  text-mining 

시계열이 주어지면 자기 상관 함수를 추정하고 예를 들어 아래와 같이 플롯 할 수 있습니다. 그러면이 자기 상관 함수에서 시계열에 대해 무엇을 읽을 수 있습니까? 예를 들어 시계열의 정상 성을 추론하는 것이 가능합니까? 편집 : 여기에 더 많은 지연이있는 차이 시리즈의 ACF가 포함되었습니다.

11 time-series  autocorrelation 

일부 프로세스의 시계열을 시뮬레이션하는 데 사용되는 확률 모델이 있습니다. 하나의 매개 변수를 특정 값으로 변경하는 효과에 관심이 있고 시계열 (예 : 모델 A 및 모델 B)과 일종의 시뮬레이션 기반 신뢰 구간 간의 차이를 표시하려고합니다. 나는 단순히 모델 A와 모델 B에서 많은 시뮬레이션을 실행 한 다음 각 시점에서 중앙값을 빼서 시간에 …

11 time-series  predictive-models  markov-process 

나는 매주 총 전화를 받았으며 거의 ​​3 년 전으로 차트에 표시했다. 눈에는 크리스마스에 비해 큰 폭의 하락이 있었지만 회복되지 않은 것으로 보이며 요청이 단계적으로 변경된 것으로 보입니다. 이 차이를 정량화 할 수있는 테스트가 있습니까? 건배 벤

11 time-series  statistical-significance  change-point 

나는 대해 에서 를 사용하여 2 상태 프로세스로 작업하고 있습니다. { 1 , − 1 } t = 1 , 2 , …엑스티xtx_t{ 1 , − 1 }{1,−1}\{1, -1\}t = 1 , 2 , …t=1,2,…t = 1, 2, \ldots 자기 상관 함수는 메모리가 긴 프로세스를 나타냅니다. 즉 지수가 1보다 큰 …

11 time-series  predictive-models  autocorrelation 

트래픽 데이터의 급격한 변화 (스파이크 / 이상 치가 아님)를 발견 한 애플리케이션 프로토 타입의 그림을 보았습니다. 나는 똑같이 할 수있는 프로그램 (자바, 선택적으로 R)을 작성하고 싶지만 통계 기술이 약간 녹슬 기 때문에이 주제를 다시 파헤쳐 야합니다. 그러므로 어떤 접근법 / 알고리즘을 사용해야합니까?

11 time-series  change-point 

시간이 지남에 따라 주류 판매에 대한 정책 결정 결과를 수량화하기 위해 개입 분석을 수행하고 싶습니다. 그러나 시계열 분석에 익숙하지 않으므로 초보자 질문이 있습니다. 문헌을 조사한 결과 다른 연구자들은 ARIMA를 사용하여 알코올의 시계열 판매량을 모형화했으며, 회귀 변수로 더미 변수를 사용하여 중재 효과를 모델링 한 것으로 나타났습니다. 이것이 합리적인 접근 방법 인 …

11 time-series  multivariate-analysis  arima  intervention-analysis 

Facebook의 선지자 에 대해 읽은 것은 기본적으로 시계열을 추세와 계절성으로 분류한다는 것입니다. 예를 들어, 추가 모델은 다음과 같이 작성됩니다. 와이( t ) = g( t ) + s ( t ) + h ( t ) + e티y(t)=g(t)+s(t)+h(t)+et y(t) = g(t) + s(t) + h(t) + e_t 와 티tt 시간을 …

11 regression  machine-learning  time-series  prophet 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

RNN (Recurrent Neural Network)의 기본 개념은 분명합니다. 나는 다음과 같은 방식으로 이해합니다 : 우리는 일련의 관측치 ( o⃗ 1,o⃗ 2,…,o⃗ no→1,o→2,…,o→n\vec o_1, \vec o_2, \dots, \vec o_n ) (즉, 다변량 시계열)가 있습니다. 각 단일 관측치 o⃗ io→i\vec o_i 는 NNN 차원 숫자 형 벡터입니다. RNN 모델 내에서 다음 관측치 o⃗ …

11 time-series  neural-networks  predictive-models  intuition  rnn 

stl (Loess의 시계열의 계절 분해) 함수를 사용하여 다음 코드를 사용하여 플롯했습니다. plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) 위의 코드에 임의 데이터를 넣은 계절적 변동 (rnorm 함수)을 보여줍니다. 패턴이 다르더라도 실행 시마다 중대한 변형이 나타납니다. 이러한 두 가지 패턴은 다음과 같습니다. 계절 변동이있을 때 일부 데이터에 stl 함수를 사용하는 방법 이 계절 변동은 다른 …

11 time-series  seasonality  loess 

시계열로 작업하는 동안 스펙트럼 분석을 사용하여 계절성을 감지하고 제거하는 경우가 있습니다. 나는 시계열의 진정한 초보자이며 왜 원래 시계열에서 계절성을 제거하고 싶습니까? 계절성을 제거하지 않으면 원래 데이터가 왜곡되지 않습니까? 계절성을 제거하여 시계열을 구성하면 어떤 이점이 있습니까?

11 time-series  seasonality 

의 공동 분포가 의 공동 분포와 동일한 경우 프로세스 는 고정 상태 입니다. 모든 , 모든 및 .X t (1) , X t 2 , . . . , X t m X t 1 + K , X t 2 + K , . . . , X t …

11 time-series  autocorrelation  stochastic-processes  stationarity 

인 (관측 된) 시계열 가 주어지면 (즉, 마르코프 속성)?X t ∈ { 1 , . . . , N } P ( X t | X t - 1 , X t - 2 , . . . , X 1 ) = P ( X의 t | X t …

11 time-series  hypothesis-testing  markov-process