아래의 모델을 내 시계열 데이터에 맞 춥니 다. xreg은 1에서 1000 사이의 시간 벡터와 해당 월을 나타내는 12 개의 표시기 변수 (1 또는 0)로 구성됩니다. 내가 다루는 데이터에는 주간 및 월별 계절 패턴이 있습니다. 이 때 fit <- arima(x, order = c(3, 0, 0),
seasonal = list(order = c(1
ID 및 ProductCode로 예측할 수 있도록 아래 표의 데이터가 필요합니다. 나는 ID와 ProductCode로 예측할 수 있도록 R 코드하는 방법에 난처한 입장에있다. 나는 이것을 돕기 위해 동물원을 찾고있다. 그러나 나는 곤두박질 친다. 나는 약간의 직관을 얻을 패턴을 감지하고 최적의 모델을 선택하는 내 데이터를 시각화하는 것으로 시작 것 DATE
저는 R의 역사적인 시계열 데이터를 기반으로 미래의 가치를 예측하기 위해 ets()를 사용하고 있습니다. 다음 24 개의 데이터 포인트를 예측하기 위해 forecast() 함수를 사용했습니다. 그러나 출력은 처음 12 개 및 마지막 12 개 데이터 포인트에 동일한 번호를 부여합니다. 예를 들어, 2012 년 5 월 예측 에드 값이 데이터에 따라 2013 년
예측 패키지의 ets() 및 auto.arima() 함수를 사용하여 R의 미래 값을 예측합니다.이 두 모델 사이에서 가장 적합한 모델을 선택하는 기준은 무엇입니까? 다음은 ets (data.ets) 및 auto.arima (data.ar)의 정확도 출력입니다. 피팅 두 ETS의 모델과 auto.arima > ETSfit
ETS(A,N,A)
Call:
저는 약간의 프로젝트를 만들고 싶습니다. 파이썬과 함께 신경망을 사용하고 싶습니다. pybrain이 최상의 솔루션이라는 것을 알았습니다. 그러나 지금까지 내가 발견 한 모든 모범과 질문은 나를 도울 수 없습니다. 나는 일련의 숫자를 가지고 있습니다. 수백 줄. 일부 값이 누락되어 숫자 대신 "x"가 있습니다. 예 1425234838636**x**405434
R의 예측 패키지를 사용하여 시계열 예측을 수행하고 있습니다. 저는 5 년의 역사를 가지고 있으며 앞으로 3 개월을 예측하고 싶습니다. 나는 내가 가장 최근에 2-3 년을 훈련 세트에 사용한다면 5 년을 모두 사용하는 것보다 더 나은 예측이 있음을 알았습니다. ARIMA 알고리즘이 5 년 전에 찾은 패턴은 미래를 예측하는 데 더 이상 적용 할 수 없기 때문
Java에서 2 개월 데이터를 제공하여 향후 6 개월 데이터를 예측 (예측)하는 TimeseriesExample 코드를 실행하려고합니다. WekaForecaster 개체를 사용해야합니다. 그러나 다음 두 파일을 가져올 수 없습니다. import weka.classifiers.timeseries.WekaForecaster;
import weka.classi
의 조합을 사용하여 최근에 updated() 버전 4.03으로 업데이트되었으며 아래 예제 코드의 마지막 줄 (4 행)에 오류 메시지가 표시됩니다 (아래 그림 참조). 4 행의 forecast()에는 3 행의 auto.arima() 출력이 전달됩니다 (오류없이 작동 함). 예측 패키지에서 뭔가가 변경 되었습니까? 그래서 autarimod <- auto.ari
나는 외생 변수가있는 벡터 자동 회귀 모델을 사용하여 계절성을 가진 일일 주문을 모델링하고 있습니다. 모델에 맞는 함수가있는 'vars'패키지를 사용했습니다. 외생 변수를 사용하지 않고 예측이 가능하지만 반드시 포함시켜야합니다. 내가 그들을 포함 시켰을 때, 나의 예측은 NA로 나타났다. 나는 이것이 왜 일어나고 있는지 이해하지 못한다. 내 외생 변수의 매