Previsione di serie temporali binarie

12

Ho una serie temporale binaria con 1 quando l'auto non si muove e 0 quando l'auto si muove. Voglio fare una previsione per un orizzonte temporale fino a 36 ore in anticipo e per ogni ora.

Il mio primo approccio è stato quello di utilizzare un Naive Bayes utilizzando i seguenti input: t-24 (giornaliero stagionale), t-48 (settimanale stagionale), ora del giorno. Tuttavia, i risultati non sono molto buoni.

Quali articoli o software mi consigliate per questo problema?

r time-series forecasting binary-data

— Ricardo Bessa
fonte

vedi se questo aiuta math.bme.hu/~morvai/publications/papers/… buona giornata

— Mithun Ashok,

Hai considerato un modello markov nascosto?

— Ram Ahluwalia,

Grazie per le risposte Ma esiste già un pacchetto software con alcune implementazioni? Ho cercato in R, ma ho trovato solo il pacchetto VLMC. Grazie, Ricardo Bessa

Ricardo, dovresti modificare la tua domanda con queste informazioni aggiuntive invece di aggiungerla come risposta. Grazie e benvenuti nel sito!

— Aaron ha lasciato Stack Overflow il

Ci sono davvero due tipi di 1 nei tuoi dati? Cioè, 1 significa che la macchina potrebbe essere in movimento ma non è contro 1, il che significa che la tua auto non potrebbe davvero muoversi in questo momento. Questo sarebbe chiamato one-infllation (di solito è a zero inflazione). In tal caso, è necessario modellare quando l'auto può essere in movimento o no rispetto a quando potrebbe essere in movimento ma non lo è.

— Wayne,

6

È possibile utilizzare modelli ARMA generalizzati (GLARMA). Vedi, ad esempio, Kedem e Fokianos (2002), Modelli di regressione per l'analisi delle serie storiche.

Vedi anche pacchetto R glarma (su CRAN)

— hbaghishani
fonte

Questa risposta non avrebbe dovuto essere votata in downgrade.

— usεr11852,

3

Il pacchetto R bsts consente di stimare i modelli di serie temporali strutturali bayesiane con obiettivi binari impostando family = 'logit'. Si noti, tuttavia, che questi modelli richiedono spesso corse più lunghe rispetto ai dati gaussiani (ad esempio, niter = 10000).

— ulfelder
fonte

2

Che ne dici di usare la regressione logistica con alcuni ritardi (giornalieri, settimanali) come predittori? (la maggior parte dei pacchetti software statistici ha regressione logistica). È un po 'sparare al buio: puoi condividere i dati o una trama?

— Galit Shmueli
fonte

2

Il modello markov nascosto è la versione sequenziale di Naive Bayes. In bayes ingenui, hai un'etichetta con diversi valori possibili (nel tuo caso 0/1) e un set di funzionalità. Il valore per y è selezionato modellando p (caratteristiche | etichetta) * p (etichetta).

In un modello markov nascosto, una sequenza di etichette è prevista modellando p (etichetta | etichetta precedente) e P (caratteristiche | etichetta).

— Alex Lamb
fonte