Запитання з тегом «time-series»

Який найкращий спосіб визначити процес білого шуму, щоб його було зрозуміло та зрозуміло?

25 time-series 

Я почав працювати над навчальними посібниками зі статистичних даних з Ендрю Мура (дуже рекомендується для всіх, хто вперше зайнявся цією сферою). Я почав з прочитання цього надзвичайно цікавого PDF під назвою "Вступний огляд алгоритмів виявлення аномалій на основі часових рядів", в якому Мур простежує багато методів, що використовуються при створенні …

25 time-series  outliers  signal-processing  wavelet 

Це може бути важко знайти, але я хотів би, щоб читати добре пояснив приклад ARIMA , що використовує мінімальну математику розширює дискусію поза побудовою моделі на використання цієї моделі для прогнозування конкретних випадків використовує графіку, а також числові результати для характеристики відповідності між прогнозованими та фактичними значеннями.

25 time-series  arima  intuition 

У мене є часовий ряд, і я хочу його підмножити, зберігаючи його як часовий ряд, зберігаючи початок, кінець та частоту. Наприклад, скажімо, у мене є часовий ряд: > qs <- ts(101:110, start=c(2009, 2), frequency=4) > qs Qtr1 Qtr2 Qtr3 Qtr4 2009 101 102 103 2010 104 105 106 107 2011 …

25 r  time-series 

Я намагаюся зробити аналіз часових рядів і я новачок у цій галузі. Я щодня перераховую подію 2006–2009 рр. І хочу приєднати до неї модель часових рядів. Ось прогрес, який я досяг: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Отриманий сюжет я отримую: Щоб перевірити, чи є сезонність і тенденція в даних, чи ні, …

25 r  time-series  seasonality  multiple-seasonalities  tbats  hypothesis-testing  beta-distribution  machine-learning  unsupervised-learning  supervised-learning  reinforcement-learning 

Зараз я використовую AnomalyDetection Twitter в R: https://github.com/twitter/AnomalyDetection . Цей алгоритм забезпечує виявлення аномалії часових рядів для даних із сезонністю. Питання: чи існують подібні алгоритми, подібні до цього (контроль за сезонністю не має значення)? Я намагаюся оцінити якомога більше алгоритмів часових рядів на моїх даних, щоб я міг вибрати найкращий …

24 r  regression  time-series  anomaly-detection 

Наступний код оцінює схожість двох часових рядів: set.seed(10) RandData <- rnorm(8760*2) America <- rep(c('NewYork','Miami'),each=8760) Date = seq(from=as.POSIXct("1991-01-01 00:00"), to=as.POSIXct("1991-12-31 23:00"), length=8760) DatNew <- data.frame(Loc = America, Doy = as.numeric(format(Date,format = "%j")), Tod = as.numeric(format(Date,format = "%H")), Temp = RandData, DecTime = rep(seq(1, length(RandData)/2) / (length(RandData)/2), 2)) require(mgcv) mod1 <- gam(Temp …

24 r  time-series  data-visualization  gam 

Який найпростіший спосіб / метод обчислити кореляцію між двома часовими рядами, які мають однаковий розмір? Я думав про множення і , і додавання множення. Отже, якщо це єдине число було позитивним, чи можна сказати, що ці два ряди співвідносяться? Я можу припустити кілька прикладів, коли лінійно інший часовий ряд, що …

24 time-series 

Я шукаю модуль Python, який виконує аналіз точки зміни за тимчасовим рядом. Існує декілька різних алгоритмів, і я хотів би вивчити ефективність деяких з них без необхідності обробляти кожен з алгоритмів. В ідеалі я хотів би, щоб такі модулі, як bcp (Bayesian Change Point) або strucchange пакети в R. Я …

24 time-series  python  change-point 

У запитанні, яке я нещодавно задав , мені відповіли, що екстраполяція з льосом було великим «ні-ні». Але в останній статті Нейт Сілвер на FiveThirtyEight.com він обговорював використання льосу для здійснення передвиборчих прогнозів. Він обговорював специфіку агресивних проти консервативних прогнозів з льосом, але мені цікаво обгрунтованість того, щоб робити майбутні прогнози …

23 time-series  forecasting  predictive-models  loess  politics 

Ми зазвичай використовуємо PCA як метод зменшення розмірності для даних, коли випадки вважаються ідентичними Запитання: Які типові нюанси у застосуванні PCA для залежних від неідентифікованих даних? Які приємні / корисні властивості PCA, які зберігаються для даних iid, поставлені під загрозу (або повністю втрачені)? Наприклад, дані можуть бути багатоваріантним часовим рядом, …

23 time-series  pca  non-independent  iid 

Я розумію, що ми повинні використовувати ARIMA для моделювання нестаціонарних часових рядів. Крім того, усе, що я читаю, говорить, що ARMA слід використовувати лише для стаціонарних часових рядів. Що я намагаюся зрозуміти, це те, що відбувається на практиці, коли неправильно класифікують модель та припускають, d = 0що це нестаціонарний часовий …

23 r  time-series  arima  stationarity 

Сьогодні вранці я прокинувся, дивуючись (це може бути пов’язано з тим, що минулої ночі я не спав багато): оскільки перехресне підтвердження здається наріжним каменем правильного прогнозування часових рядів, які моделі я повинен "зазвичай" "перехресне підтвердження проти? Я придумав декілька (легких), але незабаром зрозумів, що це все, крім особливих випадків моделей …

23 time-series  cross-validation  arima 

Хтось має хороший приклад для прогнозування / згладжування часових рядів за допомогою фільтра Kalman у R?

23 r  time-series  kalman-filter 

Роблячи дослідження часових рядів в R, я виявив, що arima передбачає лише значення коефіцієнтів та їх стандартні похибки встановленої моделі. Однак я також хочу отримати p-значення коефіцієнтів. Я не знайшов жодної функції, яка б забезпечувала значення кофе. Тому я хочу сам обчислити його, але я не знаю ступеня свободи в …

23 r  time-series  chi-squared  arima  parametric