时间序列数据的交叉验证: VAR模型

文章/答案/技术大牛

发布

1回答

python-3.x、vector、cross-validation、facebook-prophet、autoregressive-models

我有为期一年的15个预测变量的每周数据(52个观察值)。我计划将Prophet预测与VAR模型进行比较。有没有办法对这两个模型进行交叉验证，特别是VAR。谢谢惠普

浏览 50提问于2020-04-08得票数 0

1回答

时间序列数据的模型参数选择

machine-learning

对于模型参数的选择，我们总是进行网格搜索和交叉验证，以检验哪些参数优于其他参数。对于一般的培训数据，比如，这是正确的，但是如果数据之间有时间关系，比如多天卖出或多天卖出，那么直接进行交叉验证是错误的吗？由于交叉验证将在训练数据中使用随机分裂的kFold，这意味着时间序列<em

浏览 3提问于2016-10-19得票数 0

回答已采纳

2回答

如何应用叠加交叉验证的时间序列数据？

time-series、cross-validation、ensemble-learning

通常，堆叠算法使用K-折叠交叉验证技术来预测用于二级预测的oof验证。在时间序列数据(如股票走势预测)的情况下，不能使用K-折叠交叉验证，而时间序列验证(一种在sklearn lib上提出的)适合于评估模型的性能。如何使用时间序列数据的叠加

浏览 0提问于2018-11-18得票数 5

回答已采纳

1回答

Python Time SeriesSplit

time-series

我已经完成了预处理，现在有了x和y，x包含多个特征，y包含我的输出。我把它分成了train，test，x_train，x_test，y_train，y_test但是我到底要分什么呢？我想我应该将训练集分为训练和测试/验证，以训练我的模型，验证/选择我的超参数，然后使用测试

浏览 0提问于2020-01-30得票数 0

2回答

KerasClassifier在序列分类中的应用

python、tensorflow、machine-learning、keras、scikit-learn

简而言之，我的数据如下所示。我想用深度学习模式来解决我的问题。在阅读教程时，我意识到LSTM适合我的问题。因此，我使用下面提到的模型来进行分类。，我想执行10倍的交叉验证。我认为我的问题集中的数据在交叉验证中是按点划分的，而不是按时间划分的。请让我知道一个适当的方式使用<e

浏览 0提问于2019-08-31得票数 0

回答已采纳

1回答

我在数据科学方面有一定的经验。我有9500个观测数据集和4500多个特征，其中大部分是高度相关的。下面简要介绍一下我尝试过的内容:我删除了少于6000个非NAs的列，并在至少有6000个非NAs的情况下计算了NAs及其相应列的中值。至于相关性，我只保留了最多与他人有0.7相关的特性。通过这样做，我将功能的数量减少到了750个左右。然后，我在随机森林的二进制分类任务中使用了这些特性。当(0:1)<e

浏览 2提问于2017-11-13得票数 1

回答已采纳

1回答

什么是，为什么使用阻塞交叉验证？

time-series、cross-validation、supervised-learning

我读到了时间序列数据的交叉验证等价物，发现了一种叫做阻塞交叉验证的变化。在页面上，我是阅读，上面写着： “然而，这可能会给模型带来来自未来数据的泄漏。该模型将观察未来的模式来预测并尝试记忆它们。这就是为什么引入阻塞交叉验证的原因。(.)第二个(边距)是在每次迭代时使用的折叠之

浏览 0提问于2022-11-12得票数 1

1回答

验证具有非典型结尾的时间序列数据的准确性

machine-learning、time-series

我正在做一个项目，根据过去多家商店的历史数据来预测产品的需求。我有来自多个商店的5年内的数据。我将5年的时间序列拆分成重叠的子序列，并使用过去的18个月来预测未来3个月，我能够做出预测。然而，我在选择交叉验证方法时遇到了一个问题。我希望有一个坚持测试拆分，并使用某种类型的交叉验证来训练我<e

浏览 5提问于2020-02-17得票数 0

2回答

用RNNs进行K-折叠交叉验证

machine-learning、python、time-series、rnn、overfitting

在递归神经网络(RNN)中使用k次交叉验证来缓解过度拟合是个好主意吗？一个潜在的解决方案可能是L2 / Dropout Regularization，但正如讨论的这里那样，它可能会降低RNN的性能。这种解决方案会影响RNNs学习和保留信息的能力。我的数据集严格基于时间序列，即auto-correlated with time and depends on the order of events。通过标准<

浏览 0提问于2019-12-11得票数 3

回答已采纳

1回答

机器学习模型擅长时间序列的自回归预测吗？

machine-learning、regression、forecasting

AR模型、MA模型、GARCH模型和VAR模型是自回归预测的标准模型。这些预测在时间序列上有多好？他们中有谁能够利用历史滞后作为输入功能来预测未来超过1天的预测水平？有什么资料可以为机器学习者应用自回归提供理论依据吗？如果任务是时间序列的自回归预测，那么评估它们<e

浏览 0提问于2020-04-15得票数 1

1回答

如何使用ARIMA实现交叉验证(滚动预测起源)？

r、cross-validation、training-data、arima、refit

假设我有一个时间序列数据集，使用90%作为训练集，10%作为随机验证集。如何评估ARIMA模型的准确性？我是否必须使用100%的完整数据集来拟合ARIMA模型，并使用auto.arima迭代地将其修改为使用forecast::Arima来预测验证集的训练集？或我是否必须使用训练集来迭代拟合ARIMA模型，并预测验证集、以及因此不同的模型

浏览 3提问于2019-11-01得票数 2

1回答

如何在不同的预测模型系列之间做出决定，以自动预测150个时间序列？

r、time-series、forecasting、arima、forecast

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)

浏览 19提问于2020-04-12得票数 0

1回答

基于支持向量回归的时间序列预测:欠拟合

matlab、time-series、svm、forecasting

我有一个由60个数据点组成的时间序列数据集。我把数据集分成两部分:培训(前70%的数据)和测试集(最后30%的数据)。利用Matlab的fitrsvm函数，在训练数据集上建立了支持向量回归模型，并对测试数据集中的时间序列数据进行了预测。我的svr模型

浏览 1提问于2019-01-13得票数 1

5回答

时间序列分组交叉验证

machine-learning、time-series、cross-validation

我有以下结构的数据：2019-01-01 2 xxxxxxxx y也就是说，会话时间戳、客户id、一些特性和目标。我想要构建一个ML模型来预测这个目标，而且我有一些问题需要正确地进行交叉验证。它必须以时间

浏览 0提问于2020-07-14得票数 10

回答已采纳

1回答

日期时间选择Python

python、pandas

我需要通过应用时间序列交叉验证来验证模型，在数据集中保留过去5周的时间序列。data = pd.read_csv('https://www.wu

浏览 5提问于2015-04-13得票数 0

回答已采纳

2回答

如何关闭r中rpart()中的k折叠交叉验证

r、tree、cross-validation、rpart

我有比特币时间序列，我使用11个技术指标作为功能，我想要拟合一个回归树的数据。据我所知，r中有两个函数可以创建回归树，即rpart()和tree()，但这两个函数似乎都不合适。rpart()使用k折叠交叉验证来验证最佳成本复杂度参数cp，而在tree()中，不可能指定cp的值。我知道cv.tree()通过交叉验证寻找cp的最优值，但是cv.tee()使用k折叠交叉验证</

浏览 1提问于2018-07-28得票数 0

回答已采纳

1回答

时间序列数据在TensorFlow中的分布

python-3.x、numpy、tensorflow、kdb

我目前有一个kdb+数据库，其中有大约100万行的财务节拍数据。使用Python3、TensorFlow和numpy，将时间序列财务数据分解为训练/开发/测试集的最佳方法是什么？建议使用k折交叉验证，它将数据划分为互补的子集。但它来自Spring-2014，在读完它之后，我仍然不清楚如何在实践中实现它。这是最好的解决方案，还是像等待验证这样<e

浏览 15提问于2018-02-22得票数 1

1回答

获取跟踪求解器结果

optimization、data-mining、solver、nonlinear-functions

我有一个用于计算(近似)非线性函数参数的数据集。原始数据点分布在时间上，目前我的求解器能够计算出在给定时间段内对数据项的函数进行建模的最佳参数集。当我合并更大的数据集时，函数近似的精度会提高。然而，同时，我不希望数据项太旧而不能很大程度上影响函数近似。我现在计划使用落入预定义窗口内的数据项。这个预定义的窗口将随着时间<

浏览 2提问于2011-12-13得票数 0

1回答

理解预言家cross_validation

python、performance-testing、cross-validation、facebook-prophet

我能够执行交叉验证来评估模型的准确性，但我很难理解输出。我有687行，我想训练我的所有数据的模型，以获得最好的预测，并测量该模型的准确性。据我所知，fb先知不需要被分成训练和测试组。对于交叉验证，我将初始时间设置为500天(模型在进行预测之前需要学习的天数？)，地平线设置为20天(每次切断后要预测的<

浏览 18提问于2021-11-22得票数 1

2回答

测试arima模型

r、statistics

我正在验证Arima模型，我想知道我的测试的临界值，以根据p值拒绝零假设。如果A想要95%的置信度。这是我的临界值。try2$loglik-try1$loglik),1)1-pchisq(-2*(try3$loglik-try2$loglik),1)其中try1、try2和try3是三种不同的模型

浏览 0提问于2013-04-08得票数 0

点击加载更多