对大型时间序列的预测不能识别每日模式。可能的解决方案是什么？
对于大型时间序列的预测不能识别每日模式的问题，可能的解决方案如下：
- 数据预处理：首先，对时间序列数据进行预处理，包括去除异常值、填补缺失值、平滑数据等。这有助于减少噪音对预测结果的影响，并提高模型的准确性。
- 特征工程：针对时间序列数据，可以提取与每日模式相关的特征，如时间、日期、星期几等。这些特征可以帮助模型更好地捕捉每日模式的变化。
- 时间序列分解：使用时间序列分解方法，如季节性分解或趋势分解，将时间序列分解为趋势、季节性和残差部分。这样可以更好地理解和建模每日模式的变化。
- 引入外部数据：除了时间序列数据本身，还可以引入与每日模式相关的外部数据，如天气数据、节假日信息等。这些外部数据可以作为额外的特征，帮助模型更好地捕捉每日模式的影响因素。
- 使用适当的预测模型：根据具体情况选择合适的预测模型，如ARIMA模型、神经网络模型（如LSTM）、回归模型等。这些模型可以根据历史数据进行训练，并用于预测未来的每日模式。
- 模型评估和调优：对预测模型进行评估和调优，可以使用常见的评估指标如均方根误差（RMSE）、平均绝对误差（MAE）等。通过不断调整模型参数和算法，提高模型的准确性和稳定性。
腾讯云相关产品和产品介绍链接地址：
- 数据预处理：腾讯云数据处理服务（https://cloud.tencent.com/product/dps）
- 特征工程：腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）
- 时间序列分解：腾讯云时间序列分析（https://cloud.tencent.com/product/tsa）
- 外部数据引入：腾讯云数据集成服务（https://cloud.tencent.com/product/dti）
- 预测模型：腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）
相关·内容
1回答
我创建了一个ML模型来分类5个IoT信号(比如A、B、C、D和E)。每个信号在抽样时间戳中都有一个值。
我的问题(怀疑)是：
我是否必须仅在相同的(在本例中为每日)时间戳上对生产中的新数据进行预处理；换句话说，每个时间序列样本的值(特性)数量与模型培训期间的值(特性)相同吗？我很确定这是真的，但我不知道时间序列是否有什么特定的东西。
由于我的数据是标准化和标准化的，关于时间序列长度的建议是什么，因为这对于生产环境中模型中输入数据的标准化很重要。
在培训期间，我将每日时间戳上的值除以(例如，一天中每个信号的值为5000 )。所以，我的时间序列是每日基准时间戳。我已经完成了培训，测试数据集和交叉验
浏览 0提问于2022-11-11得票数 0
回答已采纳
1回答
我想预测一个地点(映射到lat/lng的邮政编码)会有多拥挤。我想对这样的问题作出预测:下周一下午6点至8点，围绕邮政编码12345的50米地区的人群密度会是怎样的？
首先，我正在处理包含时间戳和邮政编码的历史事务数据(作为人类活动的代理)。当新的事务数据发生时，我也想将它们合并到我的模型中。
这有道理吗？
根据请求的时间(下午6点到8点之间)过滤历史事务。
根据所需的邻近性对事务进行聚类，以获得该区域的每日事务总数。
使用每日总数作为我的回归模型的训练数据。
用这个模型来预测
我是否需要重新运行整个过程来解释实时到达的新数据(例如，每5分钟一次)？是否有适合的增量ML模型？
浏览 0提问于2018-05-12得票数 0
1回答
我有一些每日的时间序列数据。我正在尝试从每日的历史数据中预测未来3天。
历史数据显示出基于一周中某一天的明确趋势，如周一、周二等，周一和周二是高峰期，周三通常是高峰期，然后在一周剩下的时间里下降。
如果我按月或按周对数据进行分组，我肯定可以看到随着时间的推移而上升的趋势，这种趋势似乎是累加的。
我的目标是只预测未来3天。我的直觉告诉我采取一种方法，我希望得到一些关于利弊和其他方法的反馈。
我的直觉告诉我，按周或月对数据进行分组，然后预测下一周或月可能会更好。假设我通过将每周的历史数据加载到ARIMA中，对下周进行训练、测试和预测，从而预测下周的总额。在一周内，每周的每一天通常占该周总数的x%。
浏览 28提问于2019-10-24得票数 0
我正在浏览谷歌的官方数据科学博客，特别是我们对大规模稳健时间序列预测的探索。
他们的预测方法包括每周的总预测，然后将这些总数分配到每周的个别日子。我想知道有什么推荐的方法来做到这一点。
Specifically，如果我有一个日/小时数据的时间序列，将其汇总为每周总计，然后对接下来的几周进行预测，我如何将这些总数分配给日/小时值？
我考虑过的一种方法是在确保预报保持在限度内上应用Rob的“预测:原理和实践”中的建议，但感觉我把问题弄得太复杂了。
编辑:我已经找到了几个引用，用于使用最优预测调节来调整聚合数据和单个值的预测。仍在试图根据每周总数确定是否只能用于调节每日/每小时的数值。
浏览 0提问于2022-01-29得票数 1
1回答
我应用了隔离森林算法来识别我的时间序列中的异常数据。现在，我想在将这些离群值送入机器学习模型之前替换它们。我们如何在时间序列分析中替换这些异常值？
浏览 9提问于2021-07-23得票数 0
2回答
我有一个关于如何计算未来时间范围的特征的问题。考虑下面的数据集，并考虑今天的数据是：2019-11-11。我有过去两年的每日数据，下面是最后6行：
Date, Temperature, Sales
2019-11-06, 25.5, 500000
2019-11-07, 24.2, 550000
2019-11-08, 25.1, 560000
2019-11-09, 22.6, 510000
2019-11-10, 22.3, 520000
2019-11-11, 24.4, 535000
现在我必须预测2019-11-12,2019-11-13,2019-11-14的销售额。为
浏览 1提问于2019-11-14得票数 0
1回答
基本上，我未来3个月的任务是预测医院急诊科的床位需求和其他一些变量。这些数据相当于这些变量五年的每日观察值。数据是完整的，没有缺失值。 目标是提高当前工具(即Excel工作簿)的预测精度。 到目前为止，我还没有在大学里学过任何时间序列或优化课程-所以当我意识到我对如何处理这个项目一无所知，并且我将完全独自工作时，想象一下我的恐惧。我被告知部门里没有人有任何经验，也没有人能帮助我。我正在使用RStudio，但我不是很熟练，因为它是自学的。 通过尝试这里提出的问题以及YouTube教程来学习适当的语法和函数，我设法发现: 1)我的数据是一个时间序列，我应该应用预测模型来根据我拥有的历史数据来预测
浏览 11提问于2019-06-06得票数 0
1回答
我有一个3年的日级数据集，我在R中运行auto.arima()进行简单的时间序列预测，它给了我一个(2,1,2)模型。当我使用这个模型预测未来一年的变量时，几天后曲线图变得恒定，这不可能是正确的
由于我有3年的每日数据，频率为364天，ARIMA不能处理大频率的每日数据吗？
任何帮助我们都将不胜感激。
浏览 3提问于2016-05-18得票数 1
4回答
对于已知具有季节或每日模式的数据，我想使用傅立叶分析来进行预测。在对时间序列数据进行fft之后，我得到了系数。如何使用这些系数进行预测？
我相信FFT假设它接收的所有数据都构成一个周期，那么，如果我简单地使用ifft重新生成数据，我也会重新生成函数的连续性，那么我可以将这些值用于未来的值吗？
简单地说:我对t=0,1,2，..10运行快速傅立叶变换，然后对coef使用ifft，我可以对t=11,12，..20使用重新生成的时间序列吗？
浏览 0提问于2010-12-19得票数 48
回答已采纳
2回答
我想知道它是否错误；在处理时间序列数据时；以每日价格为特征，以3天后的价格为目标。
这是正确的，还是我应该使用第二天的价格作为目标和培训后；预测3次；每次在未来一天(使用预测值作为一个新的功能)。
这两种方法会产生类似的结果吗？
浏览 0提问于2018-08-06得票数 1
什么是复杂时间序列的度量或定义。什么时候时间序列被认为是正常的，什么时候被认为是复杂的？
很多研究者说他们预测/分析了复杂的时间序列。然而，我想问的是，是什么属性使时间序列变得复杂。
浏览 0提问于2019-07-07得票数 0
1回答
高频时间序列模型的拟合及短期预测
、、、、
我有一个值的时间序列，频率相当高(15分钟)。timeseries没有缺少值，并显示了一些每日和每周的周期性组件。
我试图在R中使用fable对其建模，但我似乎找不到任何像样的结果，我想知道我是否做错了什么。
下面是我的代码，使用一个可以下载的示例数据集：
library(tsibble)
library(fable)
library(dplyr)
library(lubridate)
download.file("https://srv-file7.gofile.io/download/9yo0cg/so_data.csv", destfile = "so_data
浏览 2提问于2019-09-20得票数 2
回答已采纳
5回答
📷
上述时间序列图是一家公司的每日收盘价指数。我想知道加法和乘法之间的哪一个模型最适合上述数据。我知道这两个模型是什么，但我还无法为上面的数据找出正确的模型。此外，除了简单的可视化之外，还有其他方法可以帮助我决定正确的模型吗？
浏览 0提问于2019-02-22得票数 5
1回答
我正在尝试提取当某个事件发生时总是出现的常见模式。
例如，病人A、B和C都有心脏病发作。利用脉搏的读数，我想找出心脏病发作前的常见模式。
在下一个阶段，我想使用多个维度来完成这个任务。例如，根据患者的脉搏、体温和血压的读数，在考虑到每个维度之间的时间和顺序的情况下，在三个维度中发生的常见模式是什么。
用神经网络解决这个问题的最好方法是什么?哪种网络是最好的？(只需要指向正确的方向)
感谢大家的阅读
浏览 5提问于2016-06-05得票数 5
回答已采纳
1回答
我有一个时间序列数据有一些缺失的日期。例如，在'2017-08-06‘下面的数据集中缺少。
📷
若要在先知模型中输入此数据，是否必须创建包含所有缺失日期的数据框架？我知道先知模型不需要在任何特定的时间内填充丢失的数据，因为它是一个基于曲线拟合的模型。但我不确定是否应该将所有日期都包括在每日时间序列预测中。非常感谢你回答我的问题。
浏览 0提问于2022-10-06得票数 4
回答已采纳
3回答
我见过许多ML数据集都有竞争(比如imageNet)。我一直在为航空公司乘客数据集寻找某种竞争或最先进的LSTM解决方案，但我所能找到的都是非常糟糕的解决方案(比如下个月将像本月一样)，并且有一些杂乱无章的论点，如果调整参数，就可以得到一个很好的解决方案。我找到的最好的集成LSTM解决方案是神经网络时间序列预测中的混沌控制，但我正在寻找单一的LSTM解决方案。
所以我的问题是，已知的最先进的LSTM解决方案是什么(如果有的话，也许是其中的一个时间表)，如果没有，为什么呢？从数据上看，这似乎是一个简单的问题。是否有其他众所周知的时间序列预测数据集，其中一个基准LSTM解决方案？
浏览 0提问于2023-03-25得票数 2
回答已采纳
1回答
有什么方法可以预测信号？
、、、
我有大量的信号数据集(由时间序列组成)。所有时间序列都描述相同的过程，但每个序列都有不同的持续时间(点数)。在这些时间序列的基础上，对神经网络进行训练，然后给出一个新的时间序列作为输入，并对进一步的100个点进行预测。我有两个问题：
有哪些转换可以将所有信号缩小到一个大小？
解决这些问题(预测时间序列)的方法是什么？我知道流行的ARMA和ARIMA模型，但它们使用相同的时间序列。我的任务是找出时间序列之间的模式，以便学习如何预测新时间序列的进一步行为。谢谢你的帮助！
浏览 0提问于2021-07-26得票数 1
回答已采纳
我正在检查数据的平稳性。我有一个时间序列，包含1986到2019年间的每日数据。我想知道选择滚动均值和标准差窗口的正确方法是什么。我在想252天--一年的营业天数，但我不确定这是不是太大了。
浏览 22提问于2019-11-15得票数 0
回答已采纳
使用在线零售II数据集(https://archive.ics.uci.edu/ml/datasets/Online+Retail+II)，我试图预测每个客户何时下订单，如果可能的话，这些订单的货币价值。这将证明一个真正的在线零售商店的概念，在其中，我将获得更多的数据/功能。
此当前数据集包含以下属性：
InvoiceNo:发票号码。名义上。唯一分配给每个事务的6位整数。如果此代码以字母'c‘开头，则表示取消。
StockCode:产品(项目)代码。名义上。唯一分配给每个不同乘积的5位整数.
产品(项目)名称。名义上。
数量:每笔交易中每个产品(项目)的数量。数字。
InvoiceDa
浏览 0提问于2020-01-06得票数 2
2回答
缺失值- Arima模型
、、、、
我有一个关于产品销售的每日时间序列，我的系列从2016年1月1日开始，一直到2017年8月31日。
考虑到这是一周六天(我的周从周一开始，到周六结束)，周日没有数据，我知道在运行Arima模型之前，我首先需要填充缺失的值。这就是我需要帮助的地方:我读到可以用na.approx或NA填充缺失的值，但我不知道如何做到这一点。
你可以在这里看到我的系列：
正如你所看到的，星期天没有数据。我需要知道如何填补缺失的值来运行一个Arima模型，并能够预测2017年还剩下什么。
浏览 24提问于2017-09-29得票数 3
回答已采纳
1回答
我有一个从1960年到2015年的每日温度的时间序列，并想预测2016年。我的目标是使用一种简单的方法，同时仍然能够捕获一段时间内数据的趋势和季节性。(其实我只关心5-8月份的天气情况，但不确定是否可以只用过去几年5-8月份的数据来做一个令人信服的预测，所以我预测了一年)
我尝试了auto.arima，它建议的顺序是(2,0,1)，但结果似乎相当糟糕(见图)来自arima的预测
此外，我尝试了HoltWinters平滑方法，得到了一个看似合理的结果。然而，我不知道这种方法是否适合预测温度。来自硬件的预测
浏览 0提问于2017-09-26得票数 0
3回答
作为统计分析引擎的一部分，我需要找到一种方法来识别给定时间序列数据中是否存在趋势和季节性模式。虽然互联网上的大多数答案和教程都概述了使用机器学习模型预测或预测时间序列数据的方法，但我的目标只是识别任何这样的模式。
例句:一年中的每日销售数据
这组数据可以显示出月度季节性的上升趋势，也可能没有年度季节性的实际趋势。
如果我不手动检查分布的散点图，我可以以什么方式确定这些模式的存在？
到目前为止，我研究了下列方法：
使用移动平均或指数平滑来平滑时间序列曲线，然后检查所产生的直线是否可以近似为线性曲线，如果有，这将提供一个向上或向下的趋势。
使用自相关来检查季节性，我还没有确认这是否是一个可能的解决
浏览 0提问于2017-07-06得票数 4
1回答
我工作的时间序列551的每月数据的M3比赛。
所以，我的数据是：
library(forecast)
library(Mcomp)
# Time Series
# Subset the M3 data to contain the relevant series
ts.data<- subset(M3, 12)[[551]]
print(ts.data)
我想实现时间序列交叉验证的最后18个观察到的样本间隔。
有些人通常会称之为“滚动起源的预测评估”或类似的东西。
我怎样才能做到这一点？采样间隔是什么意思？哪些是我必须评估的时刻表？
我很困惑，任何帮助来点燃这将是受欢迎的。
浏览 3提问于2021-01-08得票数 1
回答已采纳
1回答
我们有包裹递送系统。每日包裹到达或离开的地方。我们有这些数据。我们希望根据历史数据(比如30天)来估计第二天的使用率
示例数据
估计第二天的使用量最好的算法是什么？如果有实现，请提供。
浏览 0提问于2015-03-09得票数 0
1回答
我有1241个从2012-11-19到2017-10-16的每日数据，但仅限于工作日(自助餐厅的服务次数)。我正在尝试进行预测，但我在初始化时间序列时遇到了问题：
timeseries = ts(passage, frequency = 365,
start = c(2012, as.numeric(format(as.Date("2012-11-19"), "%j"))),
end = c(2017, as.numeric(format(as.Date("2017-10-16"), "%j"))) )
如果我真的这样
浏览 16提问于2018-01-03得票数 2
回答已采纳
1回答
我正在为工人创建一个职务管理系统，该数据库将包含以下列
ID : STAFF_ID，DUTY_ID，DUTY_START，DUTY_END
这个系统需要知道在给定的时间内有多少员工在工作。
我目前正在使用mysqli，随着表数据的增加，它看起来很慢。
我正在寻找一个合适的服务，可以处理每日50万个记录，插入和搜索在DUTY_START和DUTY_END索引。
浏览 0提问于2018-12-04得票数 1
回答已采纳
我试图想出一个公式或机器学习算法，我可以使用它来大致预测每周或每月的用户。
要记住的是，我已经对每周/几个月的独特访客进行了统计，我想做一个近乎准确的预测。在这里，简单地总结每日唯一的用户将不会工作，因为他们可以是独特的一天，但不是在两天，因为他们可以有一个会话超过2天。
为了节省时间和资源，这种方法可以替代在整个周/月数据上运行星火作业--这可能吗？
我看过时间序列和线性回归，但需要更多的澄清可能的方法和任何工作？
浏览 0提问于2016-01-25得票数 2
1回答
在训练我的预测器时，我遇到了这个错误，我被困在了如何修复它上。
我有两个数据系列，一个有9234行的“目标时间序列数据”和一个"item_id“，另一个是”相关的时间序列数据“，与我只有一个id的行数相同。
我用一个180天的窗口设置de数据，在错误上出现的第二个数字和第一个数字之间的区别是什么，9414-9234= 180。
We were unable to train your predictor.
Please ensure there are no missing values for any items in the related time series, All ite
浏览 1提问于2019-09-18得票数 0
回答已采纳
1回答
我无法识别时间序列的参数，所以我想知道是否可以对这个序列进行时间序列分析
这是数据
a
03/2017 25
04/2017 427
05/2017 42
06/2017 56
07/2017 204
08/2017 28
09/2017 26
10/2017 225
11/2017 84
12/2017 532
01/2018 0
02/2018 665
03/2018 462
04/2018 238
05/2018
浏览 0提问于2019-06-12得票数 0
回答已采纳
1回答
我有过去两年的每日需求数据。数据有每周季节和嵌套的每日季节。我使用frequency=365的ts函数将数据转换成时间序列。现在使用HoltWinters方法时，他每天都把自己的季节解释成一个季节，结果就不太好了。我怎么能告诉他只包括59个季节(52周和7天)？
浏览 0提问于2018-02-09得票数 1
回答已采纳
2回答
我正在努力理解如何使用神经网络来预测一些值。
据我所知，我可以用一些时间序列来训练我的神经网络。
因此，如果我有，例如，特定股票的每日报价，我可以用这些值训练网络。
但是，如果我将每天的报价作为向量[42, 12, 20, 53, 18]，并且我想预测下一个值，这不是一个线性回归问题，使用公式Y = 0.7X + 31.1，得到26.9作为下一个(第6)值吗？
只有当输出依赖于许多输入时，神经网络才有用吗？谁能给我一个有效的例子，说明如何预测时间序列的下一个结果，表明使用神经网络比多元回归更有用？
例如，我看过，但它们没有提供任何简单的示例来预测结果。
我是神经网络的新手，所以如果这个问题真的
浏览 4提问于2016-08-09得票数 0
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
我目前正在做一项需求预测任务，涉及数千家商店的数万种产品的数据。更确切地说，我有每一家商店每件产品3年的每日销售数据，我的目标是预测每一家商店的每件商品的未来销售额，提前一天，然后提前两天，等等。
到目前为止，我已经考虑过将每个产品商店对分解成一个时间序列，并对每个时间序列进行预测，就像Neal的论文“实时系统中多时间序列预测的智能技术”中所做的那样。换句话说，我将只使用某一商店销售该产品的历史信息来预测该商店未来的销售情况。
然而，我一直在浏览Kaggle，像Favorita Grocery公司销售预测这样的竞争提出了一种不同的方法，即利用所有商店和所有产品的信息来预测未来的销售。据我所知，
浏览 0提问于2018-05-06得票数 3
1回答
我目前的工作是访问控制项目，智能锁，以便更具体。与其他智能锁系统一样，该系统需要用户身份验证才能打开门。我在用RFID作为认证方法。
为了使我的产品更安全，我想装备我的系统‘机器学习’，以了解用户的行为解锁门。不久，系统将在打开门(时间戳)时存储用户的历史记录。利用这些数据，系统将识别用户的模式，从而在每次打开门时都能识别出用户是否正常或异常。
例如，如果用户通常在上午6点和下午6点打开门，但在某一时刻系统检测到有人试图在半夜打开门，则会被视为异常现象。
我一直在阅读任何文献，并意识到要解决这个问题，我必须使用无监督学习来进行聚类，他们说K-均值适合聚类。但我的问题是，如果我的数据只是时间戳，
浏览 0提问于2018-10-04得票数 -1
4回答
我有一个时间序列，我想智能地插入缺失值。特定时间的值受到多天趋势的影响，以及它在每日周期中的位置。
以下是myzoo中缺少第十个观察值的示例
start <- as.POSIXct("2010-01-01")
freq <- as.difftime(6, units = "hours")
dayvals <- (1:4)*10
timevals <- c(3, 1, 2, 4)
index <- seq(from = start, by = freq, length.out = 16)
obs <- (rep(dayv
浏览 6提问于2011-02-11得票数 14
回答已采纳
我的数据库中有一个表，用于存储事件总数，如下所示：
event1_count
event2_count
event3_count
我想从这些简单的聚合过渡到更多的时间序列，这样用户就可以看到这些事件实际发生的日期(比如Stack Overflow如何显示每日声誉收益)。
在我的系统中的其他地方，我已经创建了一个单独的表，每个日值都有一条记录-然后，为了收集时间序列，你最终会得到一个巨大的数据库表，并且需要查询10或100条记录。它是有效的，但我不相信这是最好的方法。
存储这些事件及其日期的最佳方式是什么，这样我就可以为我的任何用户绘制每日图表？
浏览 0提问于2011-06-05得票数 0
我在数据库中有一个MySQL (Aurora5.7)表，它有
7亿行
9指数
25列
每日更新1亿次
和500万次每日插入
总的来说，这个表非常繁忙，现在我们需要在这个数据库上运行一些摘录来生成报告。
问题不仅在于此，还在于摘录中涉及的列没有编入索引，因此执行摘录需要5至6个小时。
摘要只是基本上，我们得到计数的日期，这不是索引，我们不能创建索引，因为这可能影响应用程序。
由于我们没有索引查询，所以会进行全表扫描，并影响Aurora集群，并破坏全局数据库复制。
即使我们在DR读取器节点中运行这个查询，它也会影响集群和AWS支持，专家也证实了这一点。
因此，我们没有选择在主表上运行摘录，这是我们
浏览 0提问于2021-05-23得票数 0
我目前正在寻找一个合适的数据集(单变量时间序列)用于短期预测，使用滞后特征或移动窗口的滞后特征使用模型，如LSTM，GRU，SARIMA，LGBM，TBATS和ETS。我已经成功地实现了一个小时交通流数据集的模型使用没有外部特征，但我尝试了5个不同的数据集，从那时起，简单的模型(ETS，ARIMA)给出无意义的点预测，所以我真的不知道如何找到第二个合适的数据集。如果我不想听天由命，当我试图找到有用的数据集时，我能注意到什么呢？
到目前为止，我还研究了每日空气质量AQI数据、每小时水表消耗数据和每月电力需求数据，但简单模型的点预测从来没有用过。或者仅仅是因为数据太随机而无法预测？
任何建议都将不
浏览 0提问于2020-07-28得票数 2
3回答
我一直在读关于时间序列预测的文章。
它们都是从相同的假设出发的:时间序列预测不能被看作是一个回归/分类问题。它是与时间有关的，这意味着我们的目标y在时间t上取决于y在t-1处的值。
这一动机通常伴随着一些显示某种趋势/季节性的示例数据。此外，其他支持点有：
数据分布(均值，方差)随着时间的推移而变化。
传统的火车/测试分割没有任何意义，因为用9月份的数据来预测一月份的数据有什么意义？
当然可以。但让我试着指出这个例子。假设我们有一个简单的时间戳，变量数据集，并且我们试图在t+1中预测值
. value =‘value 2’> /01/2019/2019. =31/12/2019？\x{
浏览 0提问于2019-10-29得票数 6
1回答
时间序列数据的分析
、、、
我想为每日股票指数确定一个合适的模型，如下图所示。可以看出，数据具有趋势性，但它也具有季节性。如果是这样，它是什么模型，即(相加或相乘)，季节性的频率是多少？
我运行了一个周期图，它只在0处显示了一个峰值。而且，它的ACF都是正的，并且正在逐渐减少。
浏览 11提问于2019-02-22得票数 0
1回答
我正在处理一个高频的时间序列数据：
date values
2019-12-30 21:00:00 7134.0
2019-12-30 21:00:27 7147.0
2019-12-30 21:04:27 7135.0
2019-12-30 21:08:27 7122.0
2019-12-30 21:12:27 7121.0
2019-12-30 21:16:27 7125.0
2019-12-30 21:20:27 7135.0
2019-12-30 21:24:27 7121.0
2019-12-30 2
浏览 1提问于2021-02-19得票数 0
1回答
我有一个气象站近50年的每日天气数据，我想预测未来100天的天气。我使用python，到目前为止我使用的所有工具(pmdarima.auto_arima、statsmodels.ARIMA等)要么无限地运行，要么只是撞坏了我的Colab或木星笔记本。用ARIMA预测这些数据的最好方法是什么？
ACF和PACF图通常也给出这样的结果，我无法解释有意义的p，d，q阶。例如，adf-测试给出了季节性部分的p值0.000，这是它的PACF和PACF地块：
📷
📷
adf-检验表明，季节性部分是平稳的，但PACF图仍然给出了显著的滞后值，甚至高达35 (这将使运行ARIMA模型的时间更长)。如有任何建议
浏览 0提问于2022-12-10得票数 0
我试图找到正确的例子，使用LSTM自动编码器来定义时间序列数据中的异常，并看到了很多例子，其中LSTM自动编码器模型中有标签，这是特征序列未来的时间步骤(对于通常使用LSTM的时间序列预测)，但我认为这种模型应该使用与特征序列相同的标签(以前的时间步骤)来训练。
例如，搜索google中的第一个链接-
1.这个函数定义了获取标签(y特性)的方法。
def create_sequences(X, **y**, time_steps=TIME_STEPS):
Xs, ys = [], []
for i in range(len(X)-time_steps):
Xs
浏览 7提问于2020-11-23得票数 1
1回答
我想预测数值(例如运输量)。作为输入数据，我有过去两年的数量。我已经对这些值做了一些时间序列预测，基本上遵循了关于和的说明。
我现在想更进一步，在预测中列入一些指标(例如经济指标)，看看这是否会提高预测的准确性。
这样做的正确方法是什么？环顾四周，我发现了这个，基本上描述了相同的用例。不幸的是，它没有得到任何回应。
一种方法可能是根据一个以当前卷和指标为特征、以未来卷为标签的模型进行“简单”预测。但是我会放松时间序列，也就是单个数据点之间的连接。
你有这样的预测经验吗？你的案子起什么作用了？请给我指出正确的方向！
浏览 6提问于2022-06-21得票数 -1
1回答
同时进行分类和预测
、、、、
我正致力于癫痫发作的检测和预测，我正在考虑一些事情:是否可以同时应用分类和预测。我的意思是，在看到了脑电图的一些数据点后，就有可能同时预测时间序列的(少数)下一个值，同时说“这是癫痫发作的一部分”(或者相反，“什么都没发生，保持安静”)？
如果是的话，是否可以同时使用相同的神经网络？
谢谢你的帮助
浏览 0提问于2018-07-25得票数 3
2回答
给定n个离散数据点ti，xi，它应该描述一个单调函数(ti =时间，xi =数据)。其中一些点是“离群点”，或违反单调函数规则(x{i+1}>=x{i}表示递增，x{i+1}<=x{i}表示递减)。
我试图找到一个算法来确定我必须消除的数据点的最小数目，以获得一个单调的函数。我也知道它是增加还是减少。
我尝试用移动的中值滤波器来识别点，这些点是在滤波函数之上或下面的一些方差，但是我不能识别所有的点。
解决这个问题的最佳方法是什么？
我正在使用MATLAB，但是这个解决方案肯定是可以推广的。
浏览 0提问于2018-02-06得票数 0
回答已采纳
4回答
我正试着思考下一个句子预测在RoBERTa中的工作方式。根据他们的论文，在第4.2节中，我了解到，在最初的BERT中，他们使用了一对文本片段，其中可能包含多个句子，任务是预测第二个片段是否是第一个句子的直接继承者。罗伯塔的作者研究了另外三种类型的预测--第一种与伯特基本相同，只使用两个片段中的两句话，你仍然可以预测第二句是否是第一句的直接继承者。但是我不明白另外两个目标是什么，我会在下面引用他们的解释：
·完整句子:每个输入都包含从一个或多个文档中连续抽样的完整句子，因此总长度最多为512个标记。输入可以跨越文档边界。当我们到达一个文档的末尾时，我们开始从下一个文档中抽取句子，并在文档之间添加
浏览 0提问于2020-06-29得票数 2
2回答
我有一系列2018年1月1日到2018年10月15日的日销售额数据，示例如下。已经观察到，在销售金额上存在一些月度周期模式，也就是说，每个月的月底总是有一个销售高峰，而在月中的金额略有波动。此外，一般情况下，6、7、8月份的销售额高于其他月份。现在我需要预测2018年10月15日之后10天的销售额。我是时间序列和ARIMA的新手。这里我有两个问题：
如何创建这样的每日时间序列并用日期绘制它？如何设置周期(或频率)以显示每月的周期模式？
Date SalesAmount
1/1/2018 31,380.31
1/2/2018 384,418.10
1/
浏览 2提问于2019-01-10得票数 2
我在最后一年的项目中使用statsmodels库分析了几种不同的时间序列预测方法，例如ARIMA和SARIMA。查看过去的文献，我发现回归算法也可以与滑动窗口等方法结合使用。然而，我不能澄清的是，时间序列预测属于哪种算法。我确信它不是无监督的，因此这是否意味着时间序列预测算法是有监督的算法？或者它是一种不同类型的机器学习？
浏览 255提问于2019-04-25得票数 1
我想要的是一个可能的神经网络实现的列表，这些实现可以被实验。可能需要一小时到一周的时间才能写出来。
还有其他的可能性吗？
以下是到目前为止的清单：
tic-tac-toeConnect 4ChessGoSudokupaper/scissors/rockhorse 游戏赛车
recognition 视觉识别字符识别(字体、字母、数字等)
detectionMale与female的音频识别语言
programming) 单词识别语言检测
人工神经网络驱动的移动机器人在仿真中学习如何在道路上驾驶。，
与更多内容的一些链接：
浏览 16提问于2010-03-24得票数 6
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
实时音视频
云直播活动推荐
腾讯云开发者
