Statistiques et Big Data time-series

9

Séries chronologiques pour les données de dénombrement, avec dénombrements <20

J'ai récemment commencé à travailler pour une clinique antituberculeuse. Nous nous réunissons périodiquement pour discuter du nombre de cas de tuberculose que nous traitons actuellement, du nombre de tests administrés, etc. J'aimerais commencer à modéliser ces chiffres afin de ne pas simplement deviner si quelque chose est inhabituel ou non. …

23 r time-series poisson-distribution count-data epidemiology

1

Quels sont exactement les mécanismes d'attention?

Les mécanismes d'attention ont été utilisés dans divers articles sur le Deep Learning au cours des dernières années. Ilya Sutskever, responsable de la recherche chez Open AI, les a félicités avec enthousiasme: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0 Eugenio Culurciello de l'Université Purdue a déclaré que les RNN et les LSTM devraient être abandonnés au …

23 time-series deep-learning lstm rnn attention

3

AIC versus validation croisée dans les séries chronologiques: le petit cas d'échantillon

Je suis intéressé par la sélection de modèles dans un cadre de séries chronologiques. Pour être concret, supposons que je veuille sélectionner un modèle ARMA à partir d'un pool de modèles ARMA avec différents ordres de décalage. L' intention ultime est la prévision . La sélection du modèle peut être …

23 time-series forecasting cross-validation model-selection aic

2

Définition du temps d'autocorrélation (pour une taille d'échantillon efficace)

J'ai trouvé deux définitions dans la littérature pour le temps d'autocorrélation d'une série chronologique faiblement stationnaire: τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk|τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk| \tau_a = 1+2\sum_{k=1}^\infty \rho_k \quad \text{versus} \quad \tau_b = 1+2\sum_{k=1}^\infty \left|\rho_k\right| où ρk=Cov[Xt,Xt+h]Var[Xt]ρk=Cov[Xt,Xt+h]Var[Xt]\rho_k = \frac{\text{Cov}[X_t,X_{t+h}]}{\text{Var}[X_t]} est l'autocorrélation au décalagekkk. Une application du temps d'autocorrélation est de trouver la "taille effective de l'échantillon": si …

23 r time-series correlation

1

Comment décomposer une série chronologique avec plusieurs composantes saisonnières?

J'ai une série chronologique qui contient des composantes saisonnières doubles et je voudrais décomposer la série en composantes chronologiques suivantes (tendance, composante saisonnière 1, composante saisonnière 2 et composante irrégulière). Pour autant que je sache, la procédure STL de décomposition d'une série en R ne permet qu'une seule composante saisonnière, …

22 r time-series forecasting decomposition multiple-seasonalities

3

Prise en charge de la régression vectorielle pour la prédiction de séries chronologiques multivariées

Quelqu'un a-t-il tenté de prédire des séries chronologiques en utilisant la régression des vecteurs de support? Je comprends les machines à vecteurs de support et je comprends partiellement la régression des vecteurs de support, mais je ne comprends pas comment elles peuvent être utilisées pour modéliser des séries chronologiques, en …

22 time-series machine-learning svm

2

Interprétation de l'erreur d'échelle absolue moyenne (MASE)

L'erreur moyenne à l'échelle absolue (MASE) est une mesure de la précision des prévisions proposée par Koehler et Hyndman (2006) . MA SE= MA EMA Ei n - s a m p l e ,n a i v eMUNESE=MUNEEMUNEEjen-sunemple,nunejeveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} où est l'erreur absolue moyenne produite par la prévision …

22 time-series forecasting accuracy mase

2

Comment regrouper des séries chronologiques?

J'ai une question sur l'analyse de cluster. Il y a 3000 entreprises, qui doivent être regroupées en fonction de leur consommation d'énergie sur 5 ans. Chaque entreprise a des valeurs pour chaque heure pendant 5 ans. J'aimerais savoir si certaines entreprises ont le même modèle de puissance d'utilisation au cours …

22 time-series clustering spss

2

L'APC peut-elle être appliquée pour les données de séries chronologiques?

Je comprends que l'analyse en composantes principales (ACP) peut être appliquée essentiellement pour les données transversales. PCA peut-il être utilisé pour les données de séries temporelles efficacement en spécifiant l'année comme variable de série temporelle et en exécutant PCA normalement? J'ai trouvé que l'APC dynamique fonctionne pour les données de …

22 time-series pca

2

Réseau de neurones convolutifs pour les séries temporelles?

Je voudrais savoir s'il existe un code pour former un réseau neuronal convolutionnel à la classification des séries chronologiques. J'ai vu des articles récents ( http://www.fer.unizg.hr/_download/repository/KDI-Djalto.pdf ) mais je ne sais pas s'il existe quelque chose ou si je dois le coder moi-même.

21 time-series classification neural-networks conv-neural-network

3

Analyser les tracés ACF et PACF

Je veux voir si je suis sur la bonne voie en analysant mes parcelles ACF et PACF: Contexte: (Reff: Philip Hans Franses, 1998) Comme ACF et PACF affichent des valeurs significatives, je suppose qu'un modèle ARMA répondra à mes besoins L'ACF peut être utilisé pour estimer la partie MA, c'est-à-dire …

21 time-series model-selection arma statsmodels

4

Dans quelles circonstances un processus MA ou AR est-il approprié?

Je comprends que si un processus dépend de valeurs antérieures de lui-même, alors c'est un processus AR. Si cela dépend d'erreurs précédentes, c'est un processus MA. Quand se produirait l'une de ces deux situations? Quelqu'un a-t-il un exemple solide qui éclaire le problème sous-jacent concernant ce que signifie qu'un processus …

21 time-series autoregressive moving-average

1

Comment puis-je aligner / synchroniser deux signaux?

Je fais des recherches mais je suis resté bloqué au stade de l'analyse (j'aurais dû prêter plus d'attention à mes conférences de statistiques). J'ai collecté deux signaux simultanés: débit intégré pour le volume et changement d'expansion thoracique. J'aimerais comparer les signaux et j'espère finalement tirer le volume du signal d'expansion …

21 r time-series signal-processing measurement

3

Auto.arima avec des données quotidiennes: comment capturer la saisonnalité / périodicité?

Je monte un modèle ARIMA sur une série temporelle quotidienne. Les données sont collectées quotidiennement du 02-01-2010 au 30-07-2011 et concernent les ventes de journaux. Puisqu'une tendance hebdomadaire des ventes peut être trouvée (la quantité moyenne quotidienne d'exemplaires vendus est généralement la même du lundi au vendredi, puis augmente le …

21 r time-series arima seasonality

1

Régression logistique des séries chronologiques

Je voudrais utiliser un modèle de régression logistique binaire dans le contexte des données en streaming (séries temporelles multidimensionnelles) afin de prédire la valeur de la variable dépendante des données (ie ligne) qui vient d'arriver, compte tenu des observations passées. Pour autant que je sache, la régression logistique est traditionnellement …

21 r time-series logistic

Questions marquées «time-series»