Statistiques et Big Data time-series

3

Prévision de plusieurs périodes avec machine learning

Récemment, j'ai récapitulé mes connaissances sur les séries temporelles et j'ai réalisé que l'apprentissage automatique ne donne généralement qu'une seule longueur d'avance. Par prévisions à un pas, j'entends des prévisions qui, par exemple, si nous avons des données horaires, utilisent les données de 10h à 11h et de 11h à …

9 machine-learning time-series forecasting arima

1

Conditions de comportement cyclique du modèle ARIMA

J'essaie de modéliser et de prévoir une série chronologique qui est cyclique plutôt que saisonnière (c'est-à-dire qu'il y a des schémas saisonniers, mais pas avec une période fixe). Cela devrait être possible en utilisant un modèle ARIMA, comme mentionné dans la section 8.5 de la prévision: principes et pratique : …

9 time-series forecasting arima seasonality

1

Comment mettre en évidence des patchs bruyants dans une série chronologique?

J'ai beaucoup de données chronologiques - niveaux d'eau et vitesses en fonction du temps. C'est la sortie d'une simulation de modèle hydraulique. Dans le cadre du processus d'examen pour confirmer que le modèle fonctionne comme prévu, je dois tracer chaque série chronologique pour m'assurer qu'il n'y a pas de "vacillement" …

9 time-series data-visualization change-point

1

Pourquoi mes modèles VAR fonctionnent-ils mieux avec des données non stationnaires qu'avec des données stationnaires?

J'utilise la bibliothèque VAR de modèles de statistiques de python pour modéliser les données de séries temporelles financières et certains résultats m'ont laissé perplexe. Je sais que les modèles VAR supposent que les données des séries chronologiques sont stationnaires. J'ai ajusté par inadvertance une série non stationnaire de prix de …

9 time-series forecasting r-squared var stationarity

1

Détection en ligne des points de changement bayésiens (distribution prédictive marginale)

Je lis le document bayésien en ligne sur la détection des points de changement d'Adams et MacKay ( lien ). Les auteurs commencent par écrire la distribution prédictive marginale: oùP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t} P(x_{t+1} | r_t, \textbf{x}_t^{(r)}) P(r_t | \textbf{x}_{1:t}) \qquad \qquad (1) XtXtx_t est l'observation au temps …

9 time-series bayesian inference change-point

1

Prédiction de séries chronologiques utilisant ARIMA vs LSTM

Le problème auquel je fais face est la prévision des valeurs de séries chronologiques. Je regarde une série chronologique à la fois et sur la base par exemple de 15% des données d'entrée, je voudrais prédire ses valeurs futures. Jusqu'à présent, je suis tombé sur deux modèles: LSTM (mémoire à …

9 time-series forecasting references arima lstm

2

Attribuer plus de poids aux observations plus récentes en régression

Comment attribuer plus de poids à des observations plus récentes dans R? Je suppose que c'est une question ou un désir fréquemment posé, mais j'ai du mal à trouver exactement comment mettre en œuvre cela. J'ai essayé de chercher beaucoup pour cela, mais je ne peux pas trouver un bon …

9 r time-series regression random-forest

2

Pourquoi le critère d'information ( non ajusté ) est-il utilisé pour sélectionner l'ordre de décalage approprié dans le modèle de série chronologique?

Dans les modèles de séries chronologiques, comme ARMA-GARCH, pour sélectionner le décalage ou l'ordre approprié du modèle, différents critères d'information, comme AIC, BIC, SIC, etc., sont utilisés. Ma question est très simple, pourquoi ne pas utiliser le ajusté pour choisir le modèle approprié? Nous pouvons sélectionner un modèle qui conduit …

9 regression time-series model-selection aic bic

2

Meilleure utilisation de LSTM pour la prédiction d'événements dans la séquence

Supposons la séquence unidimensionnelle suivante: A, B, C, Z, B, B, #, C, C, C, V, $, W, A, % ... Les lettres A, B, C, ..ici représentent des événements «ordinaires». Les symboles #, $, %, ...ici représentent des événements «spéciaux» L'espacement temporel entre tous les événements est non uniforme …

9 time-series deep-learning rare-events lstm sequential-pattern-mining

2

Comment interpréter et faire des prévisions en utilisant le package tsoutliers et auto.arima

J'ai des données mensuelles de 1993 à 2015 et j'aimerais faire des prévisions sur ces données. J'ai utilisé le package tsoutliers pour détecter les valeurs aberrantes, mais je ne sais pas comment continuer à prévoir avec mon ensemble de données. Voici mon code: product.outlier<-tso(product,types=c("AO","LS","TC")) plot(product.outlier) Ceci est ma sortie du …

9 r time-series forecasting arima outliers

3

R séries chronologiques saisonnières

J'utilise la decomposefonction dans Ret propose les 3 composantes de ma série chronologique mensuelle (tendance, saisonnière et aléatoire). Si je trace le graphique ou regarde le tableau, je peux clairement voir que la série chronologique est affectée par la saisonnalité. Cependant, lorsque je régresse la série chronologique sur les 11 …

9 r regression time-series

1

Que fait PCA avec les données autocorrélées?

Juste parce qu'un correspondant a posé une question intéressante concernant les méthodes de calcul de l'autocorrélation, j'ai commencé à jouer avec, presque sans aucune connaissance des séries chronologiques et de l'autocorrélation. Le correspondant a disposé ses données ( points de données d'une série chronologique) décalées d'un décalage de temps en …

9 time-series pca

3

Fonction de transfert dans les modèles de prévision - interprétation

Je suis occupé par la modélisation ARIMA augmentée de variables exogènes à des fins de modélisation promotionnelle et j'ai du mal à l'expliquer aux utilisateurs professionnels. Dans certains cas, les progiciels se retrouvent avec une simple fonction de transfert, c'est-à-dire le paramètre * Variable exogène. Dans ce cas, l'interprétation est …

9 time-series data-visualization forecasting arima causality

3

Test pour distinguer les données périodiques des données presque périodiques

Supposons que j'ai une fonction inconnue fff avec le domaine , que je connais pour remplir certaines conditions raisonnables comme la continuité. Je connais les valeurs exactes de (car les données proviennent d'une simulation) à certains points d'échantillonnage équidistants t_i = t_0 + iΔt avec i∈ \ {1,…, n \} …

9 time-series hypothesis-testing exact-test

4

Calcul de la précision des prévisions

Nous utilisons STL (implémentation R) pour prévoir les données de séries chronologiques. Chaque jour, nous exécutons des prévisions quotidiennes. Nous aimerions comparer les valeurs prévues aux valeurs réelles et identifier l'écart moyen. Par exemple, nous avons effectué des prévisions pour demain et obtenu des points de prévisions, nous aimerions comparer …

9 time-series forecasting accuracy

Questions marquées «time-series»