«trend» 태그된 질문

데이터에서 관찰 가능한 패턴입니다.


2
R을 사용한 시계열의 STL 추세
저는 R과 시계열 분석에 익숙하지 않습니다. 나는 긴 (40 년) 일일 온도 시계열의 추세를 찾으려고 노력하고 다른 근사치를 시도했습니다. 첫 번째는 단순한 선형 회귀이고 두 번째는 Loess의 시계열의 계절 분해입니다. 후자의 경우 계절 성분이 추세보다 큰 것으로 보입니다. 그러나 트렌드를 어떻게 수량화합니까? 나는 그 추세가 얼마나 강한지를 말하는 숫자를 원합니다. …
27 r  time-series  trend 

1
STL 창 너비 설정 기준
RSTL 분해를 수행하는 데 사용s.window 하여 계절 구성 요소가 얼마나 빠르게 변경 될 수 있는지 제어합니다. 값이 작을수록 더 빠른 변화가 가능합니다. 계절 창을 무한으로 설정하는 것은 계절 구성 요소를 주기적으로 (즉, 수년에 걸쳐 동일하게) 강제하는 것과 같습니다. 내 질문 : 121212s.window 그것과 시계열 주파수 사이에 어떤 링크가 있습니까?

2
시계열 및 이상 탐지
시계열의 이상을 탐지하기위한 알고리즘을 설정하고 싶습니다.이를 위해 클러스터링을 사용할 계획입니다. 원시 시계열 데이터가 아닌 클러스터링에 거리 매트릭스를 사용해야하는 이유는 무엇입니까?, 이상을 탐지하기 위해 DBscan과 같은 알고리즘 인 밀도 기반 클러스터링을 사용할 것이므로이 경우에도 효과가 있습니까? 스트리밍 데이터 용 온라인 버전이 있습니까? 이상이 발생하기 전에 이상을 감지하고 싶습니다. ARIMA (추세 감지 …

2
R의 확장 된 Dickey Fuller 테스트의 지연 이해
케이케이kadf.test케이케이k Dickey-Fuller = -3.9828, Lag order = 4, p-value = 0.01272 alternative hypothesis: stationary # 103^(1/3)=k=4 Dickey-Fuller = -2.7776, Lag order = 0, p-value = 0.2543 alternative hypothesis: stationary # k=0 Dickey-Fuller = -2.5365, Lag order = 6, p-value = 0.3542 alternative hypothesis: stationary # k=6 PP 테스트 결과와 함께 …
15 r  time-series  trend 


1
회귀 모델에 종속 변수의 지연을 포함해야하는 시점과 지연은 언제입니까?
종속 변수로 사용하려는 데이터는 다음과 같습니다 (카운트 데이터). 순환 구성 요소와 추세 구조를 가지기 때문에 회귀 분석이 어떻게 든 편향되는 것으로 보입니다. 도움이되는 경우 음 이항 회귀를 사용합니다. 데이터는 균형 잡힌 패널로, 개인 (상태) 당 하나의 더미입니다. 표시된 이미지는 모든 상태에 대한 종속 변수의 합계를 표시하지만 대부분의 상태 만 유사한 …

6
갑작스런 변화를 특징 짓는 방법?
이 질문은 너무 기본적 일 수 있습니다. 데이터의 일시적인 추세를 위해 "급격한"변경이 발생하는 지점을 찾고 싶습니다. 예를 들어 아래에 표시된 첫 번째 그림에서 통계 방법을 사용하여 변경 지점을 찾고 싶습니다. 그리고 변경 지점이 분명하지 않은 다른 데이터 (예 : 두 번째 그림)에 이러한 방법을 적용하고 싶습니다. 그러한 목적을위한 일반적인 방법이 …

1
드리프트가있는 시리즈와 추세가있는 시리즈의 차이점
드리프트가있는 시리즈는 로 모델링 할 수 있습니다. 여기서 는 드리프트 (일정한)이고 입니다. 와이티= c + ϕ yt - 1+ ε티yt=c+ϕyt−1+εty_t = c + \phi y_{t-1} + \varepsilon_t씨ccϕ = 1ϕ=1\phi=1 추세가있는 시리즈는 로 모델링 할 수 있습니다. 여기서 는 드리프트 (일정한), 는 결정적인 시간 추세 및 입니다.와이티= c + δt + …

1
R / mgcv : te () 및 ti () 텐서 제품이 다른 표면을 생성하는 이유는 무엇입니까?
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 

3
두 개의 유사한 시계열이 언제 발산하기 시작하는지 확인하기위한 통계 테스트
제목에서와 같이, 나는 두 개의 유사한 시계열 사이의 상당한 차이를 식별하는 데 도움이되는 통계 테스트가 존재하는지 알고 싶습니다. 구체적으로, 아래 그림을 보면, 시간 t1에서, 즉 이들 간의 차이가 커지기 시작할 때 계열이 분기되기 시작한다는 것을 감지하고 싶습니다. 또한 시리즈 간 차이가 중요하지 않은 시점을 감지합니다. 이를 위해 유용한 통계 테스트가 …

2
시계열 세트 비교
비교할 시계열 데이터 세 세트가 있습니다. 그들은 약 12 ​​일의 3 개의 별도 기간에 촬영되었습니다. 그들은 마지막 주 동안 대학 도서관에서 취한 평균, 최대 및 최소 인원 수입니다. 시간당 헤드 수는 연속적이지 않기 때문에 평균, 최대 및 최소를 수행해야했습니다 (시계열의 정규 데이터 간격 참조 ). 이제 데이터 세트는 다음과 같습니다. …

6
추세를 식별하기 위해 신호 처리 원리를 신중하게 사용
나는 매우 시끄러운 장기 데이터에서 추세를 찾으려고 제안하고 있습니다. 데이터는 기본적으로 약 8 개월 동안 약 5mm 이동 한 것에 대한 주 단위 측정입니다. 데이터는 1mm 정확도이며 일주일에 정기적으로 +/- 1 또는 2mm로 시끄 럽습니다. 가장 가까운 mm까지의 데이터 만 있습니다. 원시 데이터에서 노이즈를 분리하기 위해 고속 푸리에 변환과 함께 …

1
상호 배타적이지 않은 카테고리를 분류 할 수있는 딥 러닝 모델
예 : 직업 설명에 "영국의 Java Senior Engineer"문장이 있습니다. 나는 2 개 종류로 예측하는 깊은 학습 모델을 사용하려면 : English 와 IT jobs. 기존 분류 모델을 사용하는 경우 softmax마지막 레이어에서 함수가있는 레이블 하나만 예측할 수 있습니다 . 따라서 두 모델 신경망을 사용하여 두 범주 모두에서 "예"/ "아니오"를 예측할 수 있지만 …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

1
나이브 베이 즈가 점점 인기를 얻고 있습니까? 왜?
이것은이다 추세가 구글 2004년 1월에서 2017년 4월까지 (에서 "나이브 베이 즈"문구를 확보의 결과 링크 ). 이 그림에 따르면, 2017 년 4 월의 "Naive Bayes"에 대한 검색 비율은 전체 기간의 최대 값보다 약 % 25 높습니다. 이것이이 단순하고 오래된 방법이 더 많은 주목을 받고 있음을 의미합니까? 왜? Sycorax의 의견에 따르면 합리적인 …

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.