Questions marquées «trend»

Un modèle observable dans les données.

2
Tendance STL des séries chronologiques utilisant R
Je suis novice en R et en analyse de séries chronologiques. J'essaie de trouver la tendance d'une longue série de températures quotidiennes (40 ans) et j'ai essayé différentes approximations. Le premier n'est qu'une simple régression linéaire et le second est la décomposition saisonnière des séries chronologiques par Loess. Dans ce …
27 r  time-series  trend 
1
Critères de définition de la largeur de la fenêtre STL
Utilisé Rpour effectuer la décomposition STL, s.windowcontrôle la vitesse à laquelle la composante saisonnière peut changer. De petites valeurs permettent un changement plus rapide. Définir la fenêtre saisonnière sur infini équivaut à forcer la composante saisonnière à être périodique (c.-à-d. Identique sur plusieurs années). Mes questions: Si j'ai une série …
2
Séries temporelles et détection d'anomalies
Je voudrais configurer un algorithme pour détecter une anomalie dans les séries temporelles, et je prévois d'utiliser le clustering pour cela. Pourquoi devrais-je utiliser une matrice de distance pour le clustering et non les données brutes des séries temporelles ?, Pour la détection de l'anomalie, j'utiliserai un clustering basé sur …
1
Quand faut-il inclure le décalage de la variable dépendante dans un modèle de régression et quel décalage?
Les données que nous voulons utiliser comme variable dépendante ressemblent à ceci (ce sont des données de comptage). Nous craignons qu'étant donné sa composante cyclique et sa structure tendancielle, la régression se révèle en quelque sorte biaisée. Nous utiliserons une régression binomiale négative au cas où cela aiderait. Les données …
6
Comment caractériser un changement brusque?
Cette question est peut-être trop basique. Pour une tendance temporelle d'une donnée, je voudrais découvrir le point où se produit un changement "brutal". Par exemple, dans la première figure ci-dessous, je voudrais découvrir le point de changement en utilisant une méthode statistique. Et je voudrais appliquer une telle méthode dans …
1
Différence entre les séries avec dérive et les séries avec tendance
Une série avec dérive peut être modélisée comme où est la dérive (constante) et . yt=c+ϕyt−1+εtyt=c+ϕyt−1+εty_t = c + \phi y_{t-1} + \varepsilon_tcccϕ=1ϕ=1\phi=1 Une série avec tendance peut être modélisée comme où est la dérive (constante), est la tendance temporelle déterministe et .yt=c+δt+ϕyt−1+εtyt=c+δt+ϕyt−1+εty_t = c + \delta t + \phi …
1
R / mgcv: Pourquoi les produits tenseurs te () et ti () produisent-ils des surfaces différentes?
Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne comprends pas, c'est pourquoi te(x1, …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
3
Test statistique pour vérifier quand deux séries chronologiques similaires commencent à diverger
Dès le titre je voudrais savoir s'il existe un test statistique qui peut m'aider à identifier une divergence significative entre deux séries chronologiques similaires. Plus précisément, en regardant la figure ci-dessous, je voudrais détecter que les séries commencent à diverger à l'instant t1, c'est-à-dire lorsque la différence entre elles commence …
1
Quel modèle d'apprentissage en profondeur peut classer des catégories qui ne s'excluent pas mutuellement
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec softmaxfonction à la dernière …
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 
1
Naive Bayes gagne-t-il en popularité? Pourquoi?
Il s'agit du résultat des tendances Google obtenu pour la phrase "Naive Bayes" de janvier 2004 à avril 2017 ( lien ). Selon ce chiffre, le rapport de recherche de "Naive Bayes" en avril 2017 est supérieur d'environ 25% au maximum de toute la période. Cela signifie-t-il que cette méthode …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.