Statistiche e Big Data forecasting

3

Come sapere che il tuo problema di apprendimento automatico è senza speranza?

Immagina uno scenario di apprendimento automatico standard: Ti trovi di fronte a un ampio set di dati multivariato e ne hai una comprensione piuttosto sfocata. Quello che devi fare è fare previsioni su alcune variabili in base a ciò che hai. Come al solito, si puliscono i dati, si guardano …

207 machine-learning forecasting modeling model-selection forecastability

1

Come applicare la rete neurale alle previsioni delle serie storiche?

Sono nuovo di machine learning e ho cercato di capire come applicare la rete neurale alla previsione di serie storiche. Ho trovato risorse relative alla mia query, ma mi sembra di essere ancora un po 'perso. Penso che una spiegazione di base senza troppi dettagli sarebbe di aiuto. Diciamo che …

83 time-series forecasting neural-networks

3

Un esempio: regressione di LASSO utilizzando glmnet per il risultato binario

Sto iniziando a dilettarsi con l'uso di glmnetcon LASSO Regressione dove il mio risultato di interesse è dicotomica. Di seguito ho creato un piccolo frame di dati finti: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …

78 r self-study lasso regression interpretation anova statistical-significance survey conditional-probability independence naive-bayes graphical-model r time-series forecasting arima r forecasting exponential-smoothing bootstrap outliers r regression poisson-distribution zero-inflation genetic-algorithms machine-learning feature-selection cart categorical-data interpretation descriptive-statistics variance multivariate-analysis covariance-matrix r data-visualization generalized-linear-model binomial proportion pca matlab svd time-series correlation spss arima chi-squared curve-fitting text-mining zipf probability categorical-data distance group-differences bhattacharyya regression variance mean data-visualization variance clustering r standard-error association-measure somers-d normal-distribution integral numerical-integration bayesian clustering python pymc nonparametric-bayes machine-learning svm kernel-trick hyperparameter poisson-distribution mean continuous-data univariate missing-data dag python likelihood dirichlet-distribution r anova hypothesis-testing statistical-significance p-value rating data-imputation censoring threshold

10

Cosa c'è di sbagliato nell'estrapolazione?

Ricordo di aver frequentato i corsi di statistica come un'audizione sui perché l'estrapolazione fosse una cattiva idea. Inoltre, ci sono una varietà di fonti online che commentano questo. C'è anche una menzione qui . Qualcuno può aiutarmi a capire perché l'estrapolazione è una cattiva idea? Se lo è, come mai …

68 regression time-series forecasting

3

AIC, BIC, CIC, DIC, EIC, FIC, GIC, HIC, IIC - Posso usarli in modo intercambiabile?

A pag. 34 del suo PRNN Brian Ripley commenta che "L'AIC è stato nominato da Akaike (1974) come" An Information Criterion "anche se sembra comunemente creduto che A sia l'acronimo di Akaike". Infatti, quando si introduce la statistica AIC, Akaike (1974, p. 719) lo spiega "IC stands for information criterion …

47 forecasting model-selection aic bic

2

È insolito che il MEAN superi l'ARIMA?

Di recente ho applicato una serie di metodi di previsione (MEAN, RWF, ETS, ARIMA e MLP) e ho scoperto che MEAN ha fatto sorprendentemente bene. (MEAN: dove tutte le previsioni future sono previste uguali alla media aritmetica dei valori osservati.) MEAN ha persino sovraperformato ARIMA sulle tre serie che ho …

38 forecasting arima

4

Differenza tra previsione e previsione?

Mi chiedevo che differenza e relazione ci sono tra previsione e previsione? Soprattutto nelle serie storiche e nella regressione? Ad esempio, ho ragione che: Nelle serie storiche, la previsione sembra significare stimare i valori futuri dati i valori passati di una serie storica. In regressione, la previsione sembra significare stimare …

37 regression time-series forecasting terminology

6

Il metodo migliore per brevi serie temporali

Ho una domanda relativa alla modellazione di serie storiche brevi. Non è una questione se modellarli , ma come. Quale metodo consiglieresti per modellare (molto) serie temporali brevi (diciamo di lunghezza )? Per "migliore" intendo qui il più robusto, che è il meno soggetto a errori a causa del numero …

35 time-series forecasting small-sample

1

Rilevamento di valori anomali nelle serie temporali (LS / AO / TC) utilizzando il pacchetto tsoutliers in R. Come rappresentare i valori anomali in formato equazione?

Commenti: Prima di tutto vorrei dire un grande grazie al autore del nuovo tsoutliers pacchetto che implementa Chen e Liu di rilevazione delle serie storiche dei valori anomali che è stato pubblicato sul Journal of American Statistical Association nel 1993 in Open Source software .RRR Il pacchetto rileva 5 diversi …

35 time-series forecasting arima outliers

9

Perché usare il modello di correzione dell'errore vettoriale?

Sono confuso riguardo al Vector Error Correction Model ( VECM ). Background tecnico: VECM offre la possibilità di applicare il modello autoregressivo vettoriale ( VAR ) alle serie temporali multivariate integrate. Nei libri di testo sono indicati alcuni problemi nell'applicazione di un VAR alle serie temporali integrate, la più importante …

30 time-series forecasting var cointegration vecm

3

R: Random Forest lancia NaN / Inf nell'errore di "richiamo della funzione esterna" nonostante nessuna NaN nel set di dati [chiuso]

Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 2 anni fa . Sto usando il cursore per eseguire una foresta casuale convalidata in modo incrociato su un set di …

29 r random-forest caret regression prediction fitting social-science poisson-distribution distributions characteristic-function bayesian prior regression normal-distribution interaction nonparametric skewness svm standard-deviation standard-error regression-coefficients igraph natural-language word2vec word-embeddings regression machine-learning sampling r regression machine-learning random-forest ensemble sampling unbiased-estimator proof estimators mse probability conditional-probability bayes anova missing-data neural-networks recommender-system r confidence-interval sample multiple-imputation r time-series forecasting mase

1

I gradi di libertà possono essere un numero non intero?

Quando uso GAM, mi dà DF residuo è (ultima riga nel codice). Cosa significa? Andando oltre l'esempio GAM, in generale, il numero di gradi di libertà può essere un numero non intero?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median …

27 r degrees-of-freedom gam machine-learning pca lasso probability self-study bootstrap expected-value regression machine-learning linear-model probability simulation random-generation machine-learning distributions svm libsvm classification pca multivariate-analysis feature-selection archaeology r regression dataset simulation r regression time-series forecasting predictive-models r mean sem lavaan machine-learning regularization regression conv-neural-network convolution classification deep-learning conv-neural-network regression categorical-data econometrics r confirmatory-factor scale-invariance self-study unbiased-estimator mse regression residuals sampling random-variable sample probability random-variable convergence r survival weibull references autocorrelation hypothesis-testing distributions correlation regression statistical-significance regression-coefficients univariate categorical-data chi-squared regression machine-learning multiple-regression categorical-data linear-model pca factor-analysis factor-rotation classification scikit-learn logistic p-value regression panel-data multilevel-analysis variance bootstrap bias probability r distributions interquartile time-series hypothesis-testing normal-distribution normality-assumption kurtosis arima panel-data stata clustered-standard-errors machine-learning optimization lasso multivariate-analysis ancova machine-learning cross-validation

2

Quando è appropriato utilizzare una regola di punteggio impropria?

Merkle & Steyvers (2013) scrivono: Per definire formalmente una regola di punteggio adeguata, sia una previsione probabilistica di una prova di Bernoulli d con probabilità di successo reale p . Le regole di punteggio corrette sono metriche i cui valori previsti sono ridotti al minimo se f = p .fffdddpppf= …

27 classification forecasting scoring-rules

4

Quando effettuare il log trasformare una serie temporale prima di adattare un modello ARIMA

In precedenza ho usato la previsione pro per prevedere serie temporali univariate, ma sto passando il mio flusso di lavoro a R. Il pacchetto di previsione per R contiene molte funzioni utili, ma una cosa che non fa è qualsiasi tipo di trasformazione dei dati prima di eseguire auto .arima …

26 r time-series data-transformation forecasting arima

1

Spiegazione di ciò che Nate Silver ha detto riguardo al loess

In una domanda che ho posto di recente , mi è stato detto che era un grande "no-no" estrapolare con loess. Ma, nell'articolo più recente di Nate Silver su FiveThirtyEight.com, ha discusso dell'uso del loess per fare previsioni elettorali. Stava discutendo i dettagli delle previsioni aggressive rispetto a quelle conservative …

23 time-series forecasting predictive-models loess politics

Domande taggate «forecasting»