1回答
我编写了以下函数来删除数据集的趋势和季节性 # Create a differenced seriesinverted <- inverse_difference(my_data[1], my_diff)
plot(inverted, type="l") 去除趋势效果很好然而，去掉季节性并不是这样，我也不清楚为什么。当数据不一致时，我希望是
浏览 34提问于2020-12-07得票数 0
回答已采纳
1回答
我正在做一个时间序列分析来预测未来几年的GDP，为了得到一个好的预测模型，我需要去掉趋势和季节性。 我使用了经季节调整的数据，但它并没有完全消除数据的趋势性和季节性。我正在使用乘法来去除趋势和季节性。<- decompose(GDP, 'multiplicative')
adjustGDP <- GDP/decmopose_GDP$seas
浏览 193提问于2019-05-31得票数 0
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
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
我们如何用R中的线性模型方法对单变量季节性时间序列进行估算？它应该考虑季节性，最好是趋势。我曾使用函数进行预测，但不知道有类似的函数进行估算。
浏览 9提问于2016-04-11得票数 2
回答已采纳
1回答
我需要分解一个序列来去除季节性。该系列有两列:日期和卷。这是我的时间序列对象的样子：我在一个'ts‘对象上运行了decompose()函数。，我得到了一个包含6个组成部分的列表，包括观察值、趋势值、季节性值、日期和成交量的随机值。在我<
浏览 0提问于2015-08-30得票数 0
当在ts (时间序列)对象上使用"tsclean“函数时-只有一个值(2013-Dec)作为一个整体受到影响。不知道为什么。>
当我尝试将相同的值作为子集传递给
浏览 16提问于2017-08-27得票数 0
1回答
我有一个时间序列，记录了2004到2017年间“节食”这个词每月被搜索的次数。从图中可以明显看出，时间序列表现出季节性，但我想计算自相关函数来证实这一点。import pandas as pd
df.columns = ['year_month
浏览 17提问于2018-02-13得票数 2
我想知道如何在stl函数中设置“季节性”。which.cycle <- cycle(x)和R文档
fdrfourier Calculation of the false discover
浏览 0提问于2020-01-30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。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
浏览 28提问于2019-10-24得票数 0
我的timeSeries频率是365，不是吗？我想做的是做3年的每日预测，一天一天。换句话来说，我想得到第二天的预报，365*3次。fit_hw <- hw(train)onestep_hw <- fitted(fit2_hw)
hw(列车)误差:时间序列的频率应大于
浏览 0提问于2019-03-10得票数 0
回答已采纳
我有三个类似的时间序列，它们很适合于VARMAX模型，但它们也显示了季节性。在Python或R中是否有季节性的VARMAX模型？我知道在R，中有一个季节性的VARMA，但是它不支持外生变量。
浏览 3提问于2020-05-20得票数 1
回答已采纳
2回答
R中的多元分解？
、、、
我希望分解具有严重季节性成分的每日销售数据(对于ARIMA过程来说，365天的季节性太长了)。然而，时间序列的某些部分可以由其他因素解释，包括影响数据的常规营销事件。我想以类似于在ARIMA中包含外生变量的方式使用R的stl函数，但我没有看到任何地方可以将外生变量放入其中。相反，我在一个单独的回归中将外生变量应用于“剩余”部分，但担心由于上述常规
浏览 11提问于2013-06-03得票数 3
回答已采纳
1回答
我有一个离散的时间序列，涵盖2007年1月至2019年3月之间的49个季度，我正试图对此进行分析。在进行各种形式的分析之前，我想检查季节性的存在性，并在R.中尝试了这样的方法，在第一次我使用了海洋软件包中的WO函数(Webel和Ollech)，它告诉我数据没有显示季节性。0The W
浏览 1提问于2020-02-21得票数 0
3回答
我想使用R进行时间序列分析。我想创建一个时间序列模型，并使用timeDate和forecast包中的函数。
我有CET时区的日内数据(15分钟数据，每小时4个数据点)。在3月31日实施夏令时，我丢失了我通常拥有的96个数据点中的4个。10月28日，我有4个数据点太多了，因为时间被调回了。对于我的时间序列模型，我总是需要96个数据
浏览 4提问于2012-12-14得票数 13
回答已采纳
1回答
我有一个时间序列，我想调整一个结构模型(趋势，季节和周期)使用KFAS。然而，季节性在某个时间点开始。比如说，时间序列从2000年1月到2022年8月，但季节性从2011年开始。有没有一种方法可以在不分割数据的情况下捕捉这个系列中的这种行为？
我已经尝试过分裂时间序列，但我想要一个统一的模型。我在R中使用KFAS来进行估计，虽然
浏览 12提问于2022-11-11得票数 1
2回答
我有2007年1月1日到2016年12月31日的每日电力负荷数据。我使用ts()函数加载数据，如下所示我想要从我的数据中删除每年和每周的季节性，为了分解数据并删除季节性，我使用以下代码
浏览 0提问于2018-12-25得票数 3
我正在尝试对下面的时间序列数据使用HoltWinters(在R中)。可以看出，它具有趋势+季节性。我有25个月的数据点。 ? 但在检查HoltWinters()函数返回的对象时，我得到的结果如下所示。 ? 是什么导致阿尔法，贝塔，伽马达到极端？我能做些什么来解决这个问题呢？
浏览 38提问于2019-03-13得票数 0
回答已采纳
我的目标是不假设任何季节性成分，而只是确定一个趋势。这里是我在R中遇到问题的地方，我知道有两个主要的函数可以分析这个时间序列:分解()和stl()。问题是，它们都采用一个频率参数大于或等于2的ts对象类型。有什么方法可以假设每个单位时间的频率为1，并且仍然使用R来分析这个时间序列？我担心如果我假设频率大于每单位时间</e
浏览 1提问于2010-03-29得票数 4
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
