두 개의 시계열 "A"(자동 회귀 변수)와 "B"(외생 변수)가 있습니다. 외생 변수에 대한 매개 변수 값을 수정 한 후 자동 회귀 변수의 매개 변수를 추정하는 방법을 알려주십시오. 이러한 먼저, 잘 부탁 드리겠습니다 자동 회귀 변수 에 대한 매개 변수를 찾아 다음 쿠샨
에서 제거합니다. 다음 패턴이있는 시계열이 있습니다. 누군가가 영리한 트릭을 공유하여 앞에 오는 0을 제거 할 수 있는지 궁금합니다. 내가 피하고 싶은 이유는 예측 모델 선택에 부정적인 영향을 미칠 수 있기 때문입니다. 예 시계열 : TimeSeries <- ts(c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
데이터 예측을 위해 임의 포리스트를 사용하며 전체 기록 데이터에서 모델을 주기적으로 다시 교육하는 대신 새 데이터 만 사용하여 교육 된 모델을 지속적으로 업데이트하려고합니다. RF가 업데이트 가능하도록 만들어지지 않았지만 나에게 솔기가?니까? 나는 Weka의 RF를 사용하지만 다른 솔루션에 대한 이론적 인 솔루션이나 경험은 큰 도움이 될 수 있습니다. 고마
여러 timeseries에서 루프를 실행 중입니다. 부정적인 예측을 받았기 때문에 긍정적 인 예측을 엄격히 준수하기 위해 Lambda=0을 사용하는 것이 좋습니다. 1 시간 동안이 작업을 수행하면 완벽하게 작동합니다. 순간부터 루프에서 오류가 발생합니다. 난 수신 오류 : pegelsresid.C (Y, m, init.state, ERRORTYPE, tre
train의 기능을 R로 구현하려고 시도했는데, 월간 소비 데이터에서 메소드로 nnet을 사용했습니다. 그러나 출력 (예측 된 값)은 모두 평균값과 같다고 보여집니다. 나는 24 개의 시간 포인트 (각각은 한 달의 데이터를 나타냄)에 대한 데이터를 가지고 있으며 훈련을 위해 처음 20 개를 사용했으며 모델을 테스트하기 위해 나머지 4 개를 사용했습니다. 여
2012 년 1 월 16 일부터 10 월 10 일까지 일일 데이터로 일부 수요 예측을 시도하고 있습니다. 그러나 예측을하면 엄청난 결과가 반환됩니다. 어떤 단서? 이것은 데이터가 플롯에서와 같은 방식입니다. 주간 및 월간 계절성이 있습니다. 즉 : 평일에는 수요가 많고 주말에는 수요가 적습니다. 검은 선은 실제 데이터이며, 청색 선은 예측 데이터이다 : 여
Hyndman and Athanasopoulos's Forecasting Principles and Practice을 사용하여 예측하려고하고 있습니다. 내 데이터를 사용하여 예측할 때 (forecast 패키지 사용) 성가신 문제가 발생합니다. 내 문제는 다음과 같습니다 meanf에 의해 생성 예측은 인덱스 1이 아니라 샘플의 끝을 가지고, 따라서 (아래
초기화 (추가)에 대해서는 tutorial by Rob Hyndman을 따르고 있습니다. 로 초기 값을 계산하기 단계가 지정됩니다 내가 수동으로 위의 단계를 실행하고 내가 처음 두 단계 이후에 도착 Rob Hydman free online text book. 값에서 제공하는 데이터 세트에 (펜/종이)입니다 나는 "R"에 설정 동일한 데이터를 사용하지만, 내
특정 도로 교차점에 대한 교통 예측 프로젝트를 수행 중입니다. 데이터 수집 프로세스의 일환으로, 특정 교차로를 통과하는 특정 날 (각각 15 분 간격으로 오전 8 시부 터 오전 12 시까 지)에 차량 수를 수집했습니다. 다음은 연결 후 시계열입니다. 차량 카운트 2,619 2,925 3090 (오전 8시 반 (8시 15분 오전 8:30 AM) (오전 8시