Вопросы с тегом «time-series»

Я рассматриваю две стратегии «увеличения данных» для прогнозирования временных рядов. Сначала немного предыстории. Предиктор для прогнозирования следующего шага временного ряда - это функция, которая обычно зависит от двух вещей: прошлых состояний временного ряда, но также и прошлых состояний предиктора:PпP{Ai}{Aя}\lbrace A_i\rbrace P({Ai≤t−1},PSt−1)п({Aя≤T-1},пST-1)P(\lbrace A_{i\leq t-1}\rbrace,P_{S_{t-1}}) Если мы хотим настроить / обучить нашу …

13 time-series  data-augmentation 

Какие проблемы последовательного ввода лучше всего подходят для каждого? Определяет ли входная размерность, какое из них лучше подходит? Являются ли проблемы, для которых требуется «более длинная память», более подходящими для RNN LSTM, а проблемы с циклическими шаблонами ввода (фондовый рынок, погода) легче решаются с помощью HMM? Кажется, что есть много …

13 time-series  neural-networks  hidden-markov-model  rnn 

Представьте, что у нас есть два процесса временных рядов, которые являются стационарными и производят: .xt,ytxt,ytx_t,y_t Является ли , также стационарным? ∀ α , β ∈ Rzt=αxt+βytzt=αxt+βytz_t=\alpha x_t +\beta y_t∀α,β∈R∀α,β∈R\forall \alpha, \beta \in \mathbb{R} Любая помощь будет оценена. Я бы сказал, да, так как он имеет представление МА.

12 time-series  stochastic-processes  stationarity 

Можно ли преобразовать каждый нестационарный временной ряд в стационарный временной ряд, применяя разность? Кроме того, как вы решаете порядок применения дифференцирования? Разница только с интервалами 1,2 ... n, и вы каждый раз выполняете проверку единичного корня для определения стационарности полученного ряда?

12 time-series  stationarity 

У меня довольно предсказуемые ежедневные временные ряды с еженедельной сезонностью. Я могу придумать прогнозы, которые кажутся довольно точными (подтвержденными перекрестной проверкой), когда нет выходных. Однако, когда есть праздники, у меня возникают следующие проблемы: В моем прогнозе я получаю ненулевые числа для праздников, хотя все исторические праздники равны 0. Это действительно …

12 time-series  forecasting  arima  outliers 

У меня вопрос / путаница в отношении стационарных рядов, необходимых для моделирования с помощью ARIMA (X). Я думаю об этом больше с точки зрения логического вывода (эффекта вмешательства), но хотел бы знать, если прогнозирование против логического вывода имеет какое-либо значение в ответе. Вопрос: Все вводные материалы, которые я прочитал, утверждают, …

12 time-series  econometrics  arima  inference 

У меня очень большой набор данных и около 5% случайных значений отсутствуют. Эти переменные связаны друг с другом. В следующем примере набор данных R - просто игрушечный пример с фиктивными коррелированными данными. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Если у нас есть длинные временные ряды с высоким разрешением и большим количеством шума, часто имеет смысл объединять данные в более низкое разрешение (скажем, ежедневные или ежемесячные значения), чтобы лучше понять, что происходит, эффективно удаляя некоторые из шум. Я видел по крайней мере одну статью, которая затем применяет некоторую статистику …

12 time-series  aggregation 

У меня есть набор данных временного ряда, к которому я пытаюсь подогнать скрытую марковскую модель (HMM), чтобы оценить количество скрытых состояний в данных. Мой псевдокод для этого следующий: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = "model with smallest BIC" ... } …

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

Какова связь и разница между временными рядами и регрессией? Для моделей и допущений , правильно ли, что регрессионные модели предполагают независимость между выходными переменными для разных значений входной переменной, в то время как модель временного ряда - нет? Какие еще отличия? Для методов , с сайта Дарлингтона Существует несколько подходов …

12 regression  time-series  box-jenkins 

Я работаю над алгоритмом, который берет вектор самой последней точки данных из ряда потоков датчиков и сравнивает евклидово расстояние с предыдущими векторами. Проблема заключается в том, что разные потоки данных поступают от совершенно разных датчиков, поэтому простое евклидово расстояние резко переоценит некоторые значения. Понятно, что мне нужен какой-то способ нормализации …

12 time-series  normalization  real-time 

Я пытаюсь понять, как использовать машинное обучение для прогнозирования финансовых временных рядов на 1 или более шагов в будущее. У меня есть финансовые временные ряды с некоторыми описательными данными, и я хотел бы сформировать модель и затем использовать модель для прогнозирования n шагов вперед. Что я делал до сих пор: …

12 r  time-series  machine-learning  random-forest  finance 

У меня есть набор данных, который явно увеличивается с течением времени (обменный курс валюты, ежемесячные данные за 20 лет), мой вопрос: могу ли я вывести данные из тренда, а затем изменить их также, чтобы сделать их стационарными, если сам трендендинг сам по себе не достигает этого? И если да, то …

12 time-series  stationarity 

Я использовал stl () в R, чтобы разложить данные счетчиков на трендовые, сезонные и нерегулярные компоненты. Результирующие значения тренда больше не являются целыми числами. У меня есть следующие вопросы: Является ли stl () подходящим способом для десезонализации данных подсчета? Поскольку результирующий тренд больше не оценивается как целое, могу ли я …

12 r  time-series  poisson-distribution 

Я пытаюсь обнаружить аномальные значения во временном ряду климатических данных с некоторыми отсутствующими наблюдениями. При поиске в Интернете я нашел много доступных подходов. Из них stl разложение кажется привлекательным в смысле удаления трендовых и сезонных компонентов и изучения остатка. Чтение STL: Процедура разложения по сезонным трендам, основанная на Loess , …

12 r  time-series  outliers  missing-data