我有多个部门(零售领域)的每周时间序列数据，并且基于一些研究，我正在自动化为每个时间序列寻找模型参数的过程。到目前为止，我已经在for循环中为每个时间序列实现了以下模型： 1) ARIMA (R中的auto.arima) 2) stlf (不能使用R的ets函数，因为我有每周数据) 3) TBATS 4) ARIMA误差回归(使用傅立叶项) 5)基线模型<
浏览 19提问于2020-04-12得票数 0
我正在使用forecast软件包中的ets()和auto.arima()函数来预测R中的未来值。应该使用哪个标准来选择这两个模型中的最佳模型？以下是ets (data.ets)和auto.arima (data.ar)的精度输出。MPE MAPE MASE 每种型号的AIC如下
> ETS
浏览 6提问于2013-05-17得票数 5
我想知道我是否可以考虑滚动平均线来预测未来的销售趋势。我收集了从2020年1月到2020年3月的数据，一天一天地在一家商店销售，我想做一些分析。我在考虑多个时期(5-10天)的滚动平均值。
浏览 0提问于2020-06-24得票数 1
回答已采纳
1回答
我的目标是实现一个统一/多元在线异常检测系统。
经过几天的研究，我可以收集很多方法来达到这个目的。移动平均解如ARIMA，空间状态解如Kalman滤波器、Holt双/三重指数平滑、CUSUM、一类支持向量机、深度学习滑动窗口自动编码方法、基于自回归神经网络的深度学习等)。一般来说，时间序列上的异常检测是以原始时间序列的预测点或一组点与预
浏览 0提问于2019-01-23得票数 2
1回答
我有一个场景，我必须预测下一个小时的值。我的时间序列是每小时一次的。起初，数据看起来没有趋势性或季节性，而且是平稳的。因此，我可以应用简单的ARMA模型进行预测。然而，我不能长时间使用相同的模型。在这种情况下，我们必须再次手动分析数据，并选择正确的时间序列模型进行拟合。我们已经使用的<
浏览 10提问于2019-12-19得票数 0
1回答
我为这个新手的问题道歉，但我希望这里的人能给我指明正确的方向。
我想预测事件( X )发生的时间，因为我怀疑几个时间序列与X的时间相关。我的模型将接受完整的时间序列作为输入，并为事件X预测发生的时间输出一个值。请注意，我不是试图预测未来事件的时间</
浏览 0提问于2020-09-04得票数 0
4回答
我经常在构建一个模型(分类或回归)，其中我有一些预测变量是序列，我一直试图找到技术建议，以便以尽可能好的方式总结它们，并将其作为预测器包含在模型中。作为一个具体的例子，比如正在建立一个模型来预测一个客户是否会在接下来的90天内离开公司(在t和t+90之间的任何时间；因此是一个二元的结果)。可用的预测</
浏览 0提问于2014-06-23得票数 11
1回答
这个问题有三个子部分，回答每个部分可能不需要很大的文本。我希望这样可以。根据我的理解，如果我将y_{t-1}作为预测器，模型可能只是学习预测y_t=y_{t-1}，例如，与滞后1有自相关关系。(2)每个预测因子x_t,z_t都可能具有非平稳性、自相关或季节性等典型时
浏览 0提问于2021-06-24得票数 3
1回答
消除时间序列预测中的季节性
、、、、
在时间序列预测中，我们去除了“季节性”成分，以便更好地拟合模型，并有更好的预测能力。但是为什么呢？如果我给出一个极端的例子:如果我有一个罪恶的波，我不会移除它的季节性成分。因为它本身的结构更容易预测(因为它有一个易于识别的模式)。我说错了吗？
浏览 0提问于2022-04-27得票数 2
回答已采纳
1回答
帮助构建序列预测问题
、、、
我发现了很多关于序列预测的教程/例子，它们利用输入变量(S)的前几个时间步骤来创建一个预测，例如根据先前的价格预测股票市场价格。如果我想对不属于输入的变量进行序列预测(例如，使用X1和X2序列同时预测X3序列(S))，该怎么办？这是前面提到的教程中相同的问题吗，只是在不同的<
浏览 0提问于2018-08-23得票数 2
1回答
我想知道是否有文献或有人可以解释如何将决策树与梯度增强树分类器相匹配，以获得更多可解释的结果。图里的解释功能：从他们的页面这里。我知道，对于随机森林，您可以像TreeInterpreter python包中所看到的那样，平均每个树中每个特性的贡献，但这似乎是一种不同的方法，因为它关注的是精确的拆分和一个决策树。有没有人对这种解释坡度
浏览 0提问于2016-08-08得票数 4
我陷入了这个我无法解决的问题。col = "blue")
lines(fit_a_arima$fitted, col = "red") Plot from AirPassengers and fitted models 当我在我的数据上尝试相同的代码时我认为这是因为它不能很好地适应我的数据，但对于其他人的数据集，也会发生同样的情况。例如，来自https://otexts.com/fpp2/ses.html<e
浏览 39提问于2020-08-11得票数 0
回答已采纳
1回答
我编写了一个函数，使用不同的预测方法(如forecast::nnetar、forecast::tbats、forecast::Arima和forecast::ets )预测时间序列对象。我想使用精度或绘图功能，如预测对象。有什么简单的方法吗？还是太复杂了？编辑:关于这个函数，它需要一个ts对象，一个arima模型--这是我通过获取差异和检查ACF-PACF图发现的--以及一个有待<
浏览 8提问于2016-09-08得票数 1
回答已采纳
我想做什么，
我要做的是在实时的日期流上下文中预测timeseries [x_0, x_1, x_2,...,x_T]中的每个点的下一个数据点D3，理论上这个序列是无穷大的。如果一个新的值x即将出现，我将把它输入网络并预测下一个值。因此，将return_sequenze参数设置为True的set模型不能工作，因为在实际应用中，在实际应用中，t没有用于i>t的数据点x_i。这样
浏览 0提问于2018-08-31得票数 22
对于与时间相关的问题，例如股票预测：为什么，对于训练，我们只需要300天的价格？我知道这是LSTM模型的工作方式，但是考虑到其他299天模型的价格不是很有用吗？
浏览 0提问于2019-05-22得票数 0
我有一个问题陈述，比如用给定的5到10年的数据来预测贷款违约者。我被告知我们可以使用SPSS，但我对此并不熟悉。另外，我还看到了Statistics和Modeler。它们是两个不同的工具吗？我应该探索哪一个来解决我的问题？有人能帮帮忙吗？
浏览 1提问于2018-06-02得票数 0
1回答
我正试图为文本类型的传输问题建立一个编解码模型。问题是我在这两种样式之间没有并行数据，所以我需要在一个无监督的环境中训练模型。
我见过的一些文章使用自动编码器分别训练编码器和解码器组件。通过将问题设置为自动编码器，他们可以通过将目标序列(等于输入序列)传递到解码器中来训练解码器。(以下是一些例子，https://arxiv.org/pdf/1711.06861.pdf，http
浏览 0提问于2018-07-07得票数 2
回答已采纳
1回答
我正在建立一个有监督的机器学习模型来生成预测。所以我会有这样的历史数据：我可以用一个模型来生成预测，使用实际的音量作为标签。当然，预测量和实际成交量之间会有差异。
在不产生任何数据泄漏的情况下，有什么适当的方法来利用这些数据来整合这些信息来训练模型以最小化方差？是否应该
浏览 0提问于2019-01-09得票数 1
回答已采纳
1回答
利用对未来事件的了解来增强预测
、、、、
在使用AWS预测时，是否有办法用“部分未来信息”来增强我们的模型，以改进预测？我对预测和机器学习非常陌生，我所说的“部分未来信息”是指：
I试图预测变量x的时间序列在未来的中的行为，我正在为许多不同的变量训练一个具有过去时间序列信息的模型，包括x，我也希望为
浏览 2提问于2019-12-02得票数 2
2回答
合同期限日期/时间：月份和年份契约值数值：以本地货币表示的合同价值我也有关于合同的其他信息，如id，姓名，描述等。我是积累合同数据，还是把它作为单独的合同？在后一种情况下，如何将其提供给任何模型？那就不是时间序列数据了
浏览 0提问于2020-06-27得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
