Statistiche e Big Data forecasting

1

Modelli lineari generalizzati vs modelli Timseries per la previsione

Quali sono le differenze nell'uso dei modelli lineari generalizzati, come la determinazione automatica della pertinenza (ARD) e la regressione di Ridge, rispetto ai modelli di serie temporali come Box-Jenkins (ARIMA) o il livellamento esponenziale per le previsioni? Ci sono delle regole pratiche su quando usare GLM e quando usare le …

10 time-series generalized-linear-model forecasting

2

Che cos'è un modello di serie storiche per la previsione di una percentuale vincolata da (0,1)?

Questo deve arrivare --- la previsione di cose che sono bloccate tra 0 e 1. Nella mia serie, sospetto un componente di regressione automatica e anche un componente di ripristino della media, quindi voglio qualcosa che posso interpretare come un ARIMA --- ma non voglio che spari al 1000% in …

10 time-series forecasting logistic arima beta-regression

3

Previsione di diversi periodi con l'apprendimento automatico

Recentemente ho ricapitolato le mie conoscenze sulle serie storiche e mi sono reso conto che l'apprendimento automatico fornisce principalmente solo un passo avanti alle previsioni. Con le previsioni a un passo avanti intendo previsioni che, ad esempio, se disponiamo di dati orari, utilizziamo i dati dalle 10 per prevedere le …

9 machine-learning time-series forecasting arima

1

Condizioni per comportamento ciclico del modello ARIMA

Sto cercando di modellare e prevedere una serie temporale ciclica piuttosto che stagionale (cioè ci sono modelli stagionali, ma non con un periodo fisso). Questo dovrebbe essere possibile fare usando un modello ARIMA, come menzionato nella Sezione 8.5 delle Previsioni: principi e prassi : Il valore di è importante se …

9 time-series forecasting arima seasonality

1

Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda

Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …

9 machine-learning deep-learning natural-language tensorflow sampling distance non-independent application regression machine-learning logistic mixed-model control-group crossover r multivariate-analysis ecology procrustes-analysis vegan regression hypothesis-testing interpretation chi-squared bootstrap r bioinformatics bayesian exponential beta-distribution bernoulli-distribution conjugate-prior distributions bayesian prior beta-distribution covariance naive-bayes smoothing laplace-smoothing distributions data-visualization regression probit penalized estimation unbiased-estimator fisher-information unbalanced-classes bayesian model-selection aic multiple-regression cross-validation regression-coefficients nonlinear-regression standardization naive-bayes trend machine-learning clustering unsupervised-learning wilcoxon-mann-whitney z-score econometrics generalized-moments method-of-moments machine-learning conv-neural-network image-processing ocr machine-learning neural-networks conv-neural-network tensorflow r logistic scoring-rules probability self-study pdf cdf classification svm resampling forecasting rms volatility-forecasting diebold-mariano neural-networks prediction-interval uncertainty

2

Decomposizione della varianza: termine per errore di previsione al quadrato atteso meno errore irriducibile

Hastie et al. "The Elements of Statistical Learning" (2009) considera un processo di generazione di dati con e .E ( ε ) = 0 Var ( ε ) = σ 2 εY=f(X)+εY=f(X)+ε Y = f(X) + \varepsilon E(ε)=0E(ε)=0\mathbb{E}(\varepsilon)=0Var(ε)=σ2εVar(ε)=σε2\text{Var}(\varepsilon)=\sigma^2_{\varepsilon} Presentano la seguente decomposizione della variazione di polarizzazione dell'errore di previsione al …

9 variance forecasting prediction terminology bias

4

Come devo affrontare questo problema di previsione binaria?

Ho un set di dati con il seguente formato. C'è un esito binario cancro / nessun cancro. Ogni medico nel set di dati ha visto ogni paziente e ha dato un giudizio indipendente sul fatto che il paziente abbia il cancro o meno. I medici danno quindi un livello di …

9 forecasting binary-data psychometrics

1

Perché i miei modelli VAR funzionano meglio con i dati non stazionari rispetto ai dati stazionari?

Sto usando la libreria VAR statsmodels di Python per modellare i dati finanziari delle serie temporali e alcuni risultati mi hanno lasciato perplesso. So che i modelli VAR presumono che i dati delle serie temporali siano stazionari. Inavvertitamente ho adattato una serie non fissa di prezzi dei tronchi per due …

9 time-series forecasting r-squared var stationarity

1

Previsione di serie storiche usando ARIMA vs LSTM

Il problema con cui ho a che fare è prevedere i valori delle serie temporali. Sto guardando una serie temporale alla volta e, ad esempio, basandomi sul 15% dei dati di input, vorrei prevederne i valori futuri. Finora mi sono imbattuto in due modelli: LSTM (memoria a breve termine; una …

9 time-series forecasting references arima lstm

2

Come interpretare e fare previsioni usando il pacchetto tsoutliers e auto.arima

Ho ricevuto dati mensili dal 1993 al 2015 e vorrei fare previsioni su questi dati. Ho usato il pacchetto tsoutliers per rilevare gli outlier, ma non so come posso continuare a fare previsioni con il mio set di dati. Questo è il mio codice: product.outlier<-tso(product,types=c("AO","LS","TC")) plot(product.outlier) Questo è il mio …

9 r time-series forecasting arima outliers

3

Funzione di trasferimento nei modelli di previsione - interpretazione

Sono occupato con la modellazione ARIMA arricchita con variabili esogene per scopi di modellazione promozionale e ho difficoltà a spiegarlo agli utenti aziendali. In alcuni casi i pacchetti software finiscono con una semplice funzione di trasferimento, ad es. Parametro * Variabile esogena. In questo caso l'interpretazione è semplice, ovvero l'attività …

9 time-series data-visualization forecasting arima causality

4

Calcolo dell'accuratezza delle previsioni

Stiamo utilizzando STL (implementazione R) per la previsione dei dati delle serie temporali. Ogni giorno eseguiamo previsioni giornaliere. Vorremmo confrontare i valori di previsione con i valori reali e identificare la deviazione media. Ad esempio, abbiamo eseguito previsioni per domani e ottenuto punti di previsione, vorremmo confrontare questi punti di …

9 time-series forecasting accuracy

1

Idea unica (?) Per la previsione delle vendite

Sto lavorando allo sviluppo di un modello per prevedere le vendite totali di un prodotto. Ho circa un anno e mezzo di dati sulle prenotazioni, quindi potrei fare un'analisi standard delle serie temporali. Tuttavia, ho anche molti dati su ogni "opportunità" (potenziale vendita) che è stata chiusa o persa. Le …

9 predictive-models forecasting econometrics

2

Previsioni ARIMA con stagionalità e tendenza, risultato strano

mentre passo alle previsioni con i modelli ARIMA, sto cercando di capire come posso migliorare una previsione basata sull'ARIMA in base alla stagionalità e alla deriva. I miei dati sono le seguenti serie temporali (oltre 3 anni, con chiara tendenza al rialzo e stagionalità visibile, che sembra non essere supportata …

9 r time-series forecasting arima seasonality

2

Come si usa il livellamento esponenziale semplice in R?

Sono principiante in R, potresti spiegare come usare ses nel pacchetto di previsione di previsione R ? Vorrei scegliere il numero di periodi iniziali e la costante di livellamento. d <- c(3,4,41,10,9,86,56,20,18,36,24,59,82,51,31,29,13,7,26,19,20,103,141,145,24,99,40,51,72,58,94,78,11,15,17,53,44,34,12,15,32,14,15,26,75,110,56,43,19,17,33,26,40,42,18,24,69,18,18,25,86,106,104,35,43,12,4,20,16,8) Ho 70 periodi, mi piacerebbe usare 40 periodi per l'iniziale e 30 per quelli fuori campione. ses(d, h=30, …

9 r time-series forecasting

Domande taggate «forecasting»