Statistiques et Big Data exponential-smoothing

3

Un exemple: régression LASSO utilisant glmnet pour les résultats binaires

Je commence à me familiariser avec l’utilisation de glmnetavec LASSO Regression, où mon résultat d’intérêt est dichotomique. J'ai créé un petit cadre de données fictif ci-dessous: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- …

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

3

Fonction ETS (), comment éviter des prévisions non conformes aux données historiques?

Je travaille sur un alogorithme en R pour automatiser un calcul de prévision mensuelle. J'utilise, entre autres, la fonction ets () du package de prévisions pour calculer les prévisions. Cela fonctionne très bien. Malheureusement, pour certaines séries temporelles spécifiques, le résultat que j'obtiens est bizarre. Veuillez trouver ci-dessous le code …

16 r time-series forecasting exponential-smoothing

3

Modèle de série chronologique d'ensemble

J'ai besoin d'automatiser les prévisions de séries chronologiques et je ne connais pas à l'avance les caractéristiques de ces séries (saisonnalité, tendance, bruit, etc.). Mon objectif n'est pas d'obtenir le meilleur modèle possible pour chaque série, mais d'éviter les très mauvais modèles. En d'autres termes, obtenir de petites erreurs à …

13 time-series forecasting arima ensemble exponential-smoothing

1

Quand utiliser le lissage exponentiel vs ARIMA?

J'ai récemment actualisé mes connaissances en prévision en travaillant sur certaines prévisions mensuelles au travail et en lisant le livre de Rob Hyndman, mais le seul problème que je rencontre est le moment d'utiliser un modèle de lissage exponentiel par rapport à un modèle ARIMA. Existe-t-il une règle générale selon …

12 forecasting arima exponential-smoothing

3

Utilisez Holt-Winters ou ARIMA?

Ma question porte sur la différence conceptuelle entre Holt-Winters et ARIMA. Autant que je sache, Holt-Winters est un cas particulier d'ARIMA. Mais quand un algorithme est-il préféré à l'autre? Peut-être que Holt-Winters est incrémental et sert donc d'algorithme en ligne (plus rapide)? Dans l'attente de quelques informations ici.

11 time-series arima exponential-smoothing

1

Écart type d'une moyenne pondérée exponentiellement

J'ai écrit une fonction simple en Python pour calculer la moyenne pondérée exponentiellement: def test(): x = [1,2,3,4,5] alpha = 0.98 s_old = x[0] for i in range(1, len(x)): s = alpha * x[i] + (1- alpha) * s_old s_old = s return s Cependant, comment puis-je calculer le SD …

10 standard-deviation python exponential-smoothing

4

Prévision de séries chronologiques R avec réseau de neurones, auto.arima et ets

J'ai un peu entendu parler de l'utilisation des réseaux de neurones pour prévoir les séries chronologiques. Comment puis-je comparer la meilleure méthode de prévision de mes séries chronologiques (données quotidiennes sur la vente au détail): auto.arima (x), ets (x) ou nnetar (x). Je peux comparer auto.arima avec ets par AIC …

10 r neural-networks forecasting arima exponential-smoothing

1

Pourquoi Anova () et drop1 () ont-ils fourni des réponses différentes pour les GLMM?

J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou summary(model). Ces deux derniers donnent les mêmes réponses. En utilisant un …

10 r anova glmm r mixed-model bootstrap sample-size cross-validation roc auc sampling stratification random-allocation logistic stata interpretation proportion r regression multiple-regression linear-model lm r cross-validation cart rpart logistic generalized-linear-model econometrics experiment-design causality instrumental-variables random-allocation predictive-models data-mining estimation contingency-tables epidemiology standard-deviation mean ancova psychology statistical-significance cross-validation synthetic-data poisson-distribution negative-binomial bioinformatics sequence-analysis distributions binomial classification k-means distance unsupervised-learning euclidean correlation chi-squared spearman-rho forecasting excel exponential-smoothing binomial sample-size r change-point wilcoxon-signed-rank ranks clustering matlab covariance covariance-matrix normal-distribution simulation random-generation bivariate standardization confounding z-statistic forecasting arima minitab poisson-distribution negative-binomial poisson-regression overdispersion probability self-study markov-process estimation maximum-likelihood classification pca group-differences chi-squared survival missing-data contingency-tables anova proportion

Questions marquées «exponential-smoothing»