-
1 votesanswersviews
lstm模型的Output_shape
我有1025643个条目和72个特征/属性的测试数据 . 我训练了一个带有输入数据trainX的lstm，其形状为（245,30,72），trainY为shape（245，） . 另请注意，我指定回溯是30步，因此（245,30,72）trainX的形状 . 如果我这样做，那么在训练模型之后 model.output_shape 输出是： （无，1） 据我所知，它将为测试集提供一步预测 . 但... -
4 votesanswersviews
在Linux集群上安装R`preview`包：编译问题？
我期待测试 R 的性能，更具体地说是在具有Intel Xeon Phi协处理器的HPC群集上的 forecast 包中的一些例程 . 据我所知，系统管理员按照英特尔网站上的说明从源代码构建了 R/3.2.5 ：https://software.intel.com/en-us/articles/build-r-301-with-intel-c-compiler-and-intel-mkl-on-li... -
0 votesanswersviews
遗传算法和支持向量回归的大问题
我正在研究一种预测功能，该功能使用遗传算法优化RBF内核的nu-SVR超参数 . 该模型包括因变量的滞后值和其他回归量的滞后值 . 关于我做什么的一些说明 GA用于适应性的标准是减去样本外的均方误差 . 使用扩展窗口预测练习生成OOS错误 . 如果你遗漏了100个观测训练集中的30％，那么GA将使用超参数估计X许多SVR，它选择从1到（70-h 1）的观测值，其中h是预测范围 . 然后，它将针对所... -
2 votesanswersviews
有没有一种简单的方法可以将预测恢复为绘制时间序列？
我是R的新手并且发现这个网站非常有用，所以这涵盖了我的问题的后半部分（每个帖子一个问题） . 感谢您提前给予的帮助 . Background: 我正在绘制历史数据，其中多个预测覆盖了视觉准确性检查 . 当在'observations'的x轴上显示时，这很有效 . 但是，当在x轴上绘制日期时，数据更容易理解，所以我使用ts（）创建了一个时间序列，并按预期绘制了时间序列数据 . 但是，（A）它没有在时... -
0 votesanswersviews
如何在聚合后将时间序列添加到R中的时间序列
从2004-07-09到2014-12-31，我在日常销售额R中有两个可变数据帧（df），为期十年 . 并非每个日期都在十年期间出现，但在周一至周五的大多数日子都是如此 . 我的目标是按季度汇总销售额，转换为时间序列对象，并运行季节性分解和其他时间序列预测 . 我在转换时遇到问题，因为我收到错误： time series has no or less than 2 periods 这是我的代码的... -
0 votesanswersviews
Xgboost预测模型缺少假期
我正在 Build 一个预测系统，以预测在给定时间点断开连接的有线电视用户数量 . 我正在使用Python，并且在我尝试的不同模型中，XGBoost表现最佳 . 我有一个自我参照系统，它以移动的窗口方式工作，例如，当我用完实际，我开始使用我的滞后预测数字 . 为了 Build 预测系统，我使用了前800天的滞后（一天断开连接），移动平均线，比率，季节性，年，月，日，周等指标 . 但是，假期，哪里有... -
1 votesanswersviews
时间序列预测：交叉验证的培训数据大小
从这里继续我的上一个主题： Keras LSTM: a time-series multi-step multi-features forecasting - poor results 我想问一下找到合适网络的策略 . 我已经阅读了很多关于“测试和追踪”以及“没有设置正确大小的隐藏神经元的规则” . 另一方面，我们具有例如用于确定一些网络参数的k倍折叠方法 . 问题是如何为k-fold或任何其他方... -
0 votesanswersviews
fbprophet：预测未来的假期
我有假期的时间序列数据 . 我希望我的模型预测即将到来的假期 . 然而，似乎我的模型正在预测总体趋势，而不是在有假期的情况下分配增长 . 我有办法将未来日期指定为假期吗？我认为将它添加到假日变量中将确保它在模型/预测中 . 这是一些要测试的虚拟数据：我有2017年1月1日至今（2018年11月16日）的数据 . 每两个月有假期（销售） . 即将到来的假期（促销）是在12月 . 我想预测即将到来的1... -
5 votesanswersviews
R，Times Series，Arima Model，Forecasting，Daily data [closed]
我试图用每日数据做一些需求预测，从2012年1月16日到2013年10月10日 . 但是预测只会返回糟糕的结果 . 有什么线索的原因？ 这就是图中数据的样子：存在每周和每月的季节性 . 即：工作日需求增加，周末需求减少 . 以下是预测图的外观：黑线是实际数据，蓝线是预测数据 . x = ts(data, freq=7, start=c(3,2)) fit <- auto.arima(x... -
0 votesanswersviews
as.Date抛出行号不匹配，但所有向量都是相同的长度
以下（CSV）数据集在7/1/2000和2014年12月31日之间每天有3133行费用： head(d_exp_0014) 2000 7 6 792078.595 9 2000 7 7 140065.5 9 2000 7 11 190553.2 9 2000 7 12 119208.65 9 2000 7 16 10... -
2 votesanswersviews
R中的预测电子书后输入错误无效
我正在关注Forecasting: Principles and Practice这本书很棒 . 但即使我复制代码有时我的代码会出错并且不起作用 . 我有fpp2，ggplot2库 . beer2 <- window(ausbeer, start=1992) fit.beer <- tslm(beer2 ~ trend + season) autoplot(beer2, seri... -
0 votesanswersviews
Keras奇怪预测中的多层感知器
我在R中使用Keras来预测财务序列 . 我需要训练MLP有2个隐藏层，每个层有40个神经元来预测股票价格 . 目标数据由股票价格组成，列车数据由四个价格组成 . input_data 看起来像： price_lag_4 price_lag_3 price_lag_2 price_lag_1 price 2018-04-13 157.73 161.21 16... -
0 votesanswersviews
每日时间序列分析
我有关于产品销售的每日时间序列，我的系列从2016年1月1日开始到2017年8月31日，我的问题是我不知道我应该使用的频率值，考虑到它是一个六天工作周（我的周从星期一开始，到星期六结束），周日没有数据 . 应该这样吗？ myts <- ts(sales, start=c(2016, 1), frequency=6) 谢谢你的帮助 ！！ -
2 votesanswersviews
关于使用张量流LSTM用时间序列数据预测下一个值的实际项目
最近我研究了一个问题来预测第二天的网络视图 . 我选择了RNN-LSTM模型但效果并不理想 . 我的原始数据大约是200天，每天有1440点（每天有1440分钟，每分钟有一个值）=> [200 * 1440, 1] . 在特征工程之后，我将1-feature（仅为Web视图值）扩展为 8-features （当天的索引（范围从0到1439），Web视图值，is_weekday（0,1），... -
3 votesanswersviews
使用RandomForest（或svm）进行预测 - 样本外
随机森林具有预测功能，您可以在其中为已经训练过的独立变量提供数据点，并预测因变量的值 . 我的目标是计算如何使用滞后变量训练和预测随机森林 . 我有一个具有以下自变量的数据集： Quarter, US_GDP, UK, Canada, MiddleEast, Africa 我的因变量是 Total_Oil_Production location: data file 我有 2008Q1 到 20... -
0 votesanswersviews
重建Keras的LSTM列车和测试装置
所以我在Keras Github上看到了一些SO帖子和问题帖子，但到目前为止这些解决方案似乎都不适用于我 . 我的问题涉及Keras中LSTM的input_shape . 与大多数示例不同，我的问题是时间序列预测问题，与我在各处看到的分类示例类型无关 . 我想知道在Keras中安装LSTM模型时如何重塑我的训练和测试数据集 . For my use case I'd like to model... -
1 votesanswersviews
R-处理我的时间序列周期的变化
我有小时分辨率的数据，如下所示： Time traffic 6/7/2005 7:00 56718587433 6/7/2005 8:00 76456162968 6/7/2005 9:00 82534038485 6/7/2005 10:00 88796995092 ... 7/28/2005 10:00 51528036132 7/28/2005 11:00 6961... -
1 votesanswersviews
时间序列分析和R Holt Winters
我有一个季节性（7天间隔）时间序列，每日数据30天 . 合理预测的最佳方法是什么？时间序列包含使用应用程序进行的订单，它显示1周的季节性（本周初的销售额较低） . 我尝试使用此代码的holt winters方法： (m <- HoltWinters(ts,seasonal = "mult")) plot(m) plot(fitted(m)) 但它给我一个错误，如：分... -
2 votesanswersviews
模型预测每小时的时间序列
我正在研究自动售货机的销售数据 . 它包括销售和销售时间 . 我正在按小时计算第二天的销售预测 . My work ：我已经创建了一个每小时的时间序列，其中包含了在总计间隔期间的销售情况 . 看起来像这样 head(sales) [,1] 2015-12-01 00:00:00 0 2015-12-01 01:00:00 0 2015... -
1 votesanswersviews
具有零值的时间序列
我有关于产品销售的每日时间序列，我的系列从2016年1月1日至2017年8月31日开始 . 这个系列有一些重要的东西，它每个星期天确实都有零值，因为这个商店周日不起作用，并且它在将来的星期日不起作用，所以星期日的预期值为零 . 一旦我运行Arima模型，我不确定这个预测，我认为它不起作用，但我不知道为什么 . 我真的需要帮助！ 这是我的数据 https://drive.google.com/fil... -
1 votesanswersviews
使用tbats模型预测每日数据
我有关于产品销售的每日时间序列，我的系列从2016年1月1日至2017年9月30日开始 . 有一些重要的事情 . 首先，周日没有数据，因为这个商店周日不工作（因此，星期日的预期值为零），其次，有多种循环模式（每日和每周模式） . 例如，卖出的一周中最好的一天是星期二，最差的是星期四 . 我知道tbats模型是为有多个循环模式时使用而设计的，所以我使用的是这个模型 . 我的问题是我在预测时收到错误消... -
2 votesanswersviews
时间序列缺少周末值并在图中保留日期
我从2012-11-19到2017-10-16每天有1241个数据，但仅限于工作日（自助餐厅的服务数量） . 我正在尝试预测，但我在初始化时间序列时遇到问题： timeseries = ts(passage, frequency = 365, start = c(2012, as.numeric(format(as.Date("2012-11-19"), "%j... -
0 votesanswersviews
decompose（）函数错误
我试图在R中对包含两列的文件执行“Holt Winters”预测算法，即“Dates”和“Values” . 此文件捕获特定日期的事件（“值”列）的出现次数 . You can download and view the file as a Google doc. 然后将数据称为“D” head(D) Dates Values 2013-11-13 805 2013-11-... -
2 votesanswersviews
如何识别时间序列中的最佳频率？
我有按天分组的数据库指标，我需要预测接下来3个月的数据 . 这些数据具有季节性，（我相信季节性是一周中的几天） . 我想使用R的Holt Winters方法，我需要创建一个时间序列对象，它要求频率，（我认为是7） . 但我怎么知道我是否确定？有识别最佳频率的功能吗？ 我正在使用： FID_TS <- ts(FID_DataSet$Value, frequency=7) FID_TS_Obs... -
0 votesanswersviews
SAS中的PROC UCM：如何在每日数据系列中指定星期几和一年中的季节性
我从2014年1月1日到2015年12月31日有2年的每日数据 . 我想使用此数据集预测接下来的365天 . 码* PROC UCM data=Mydata; ... -
0 votesanswersviews
R的分解/ stl函数无法从每日时间序列中完全提取年度季节性
语境首先，问题在底部 . 我有10年的每日降水数据，显示出一年一度的季节性，我试图用ARMA方法建模，然后进行预测 . 数据here，下面是时间序列对象创建 . 我知道常见的R包和函数与日常时间序列相悖 . 例如，Forecast的arima（）函数不接受350以上的频率，而ts（）不接受频率的非整数值（两者都是有用的，因为一年中的平均天数是365.25） . 显然，Forecast的msts（）... -
0 votesanswersviews
R - TBATS函数 - 如何指定嵌套季节性？
TBATS模型的主要优点之一是它可以检测并处理多个季节性 - 例如嵌套的季节性 . 我有一个时间序列，有两个嵌套的季节周期 - 年内周周期（第48周，第49周等），以及周内每周周期（周日，周一等） . 我使用了tbats函数来预测这个系列，并查看了输出 . 最初，我将季节性时段保留为“NULL”（意味着自动检测），这产生了一条简单的直线，没有捕获模型中的季节性 . 然而，我将时间段更改为365，然... -
0 votesanswersviews
R - 使用预测的ets（）值作为glm（）模型中的预测变量
我目前在面板数据上运行三个模型 . 我有超过12个时期的378个客户 . 我使用我的响应变量的直接滞后 . 例如，时段t-1中的频率是时段t中频率的预测器： 购买< - glm（pur~freq.t-1 sales.t-1 more variables，family = binomial（link =“logit”），data = dat）frequency < - glm.nb... -
0 votesanswersviews
如何使用线性模型按因子水平获得系数？
我正在分析太阳能发电厂的数据 . 我想每隔一天调整一次估计的 生产环境 工厂每小时，可以获得的数据是接下来三天的天气预报，明天你知道什么样的一天（比例为1到5，有1晴天和5多 Cloud ） . 因此，我们的想法是将容量乘以一个因子，因此这是对将要发生的事情的估计，并且不会偏离实际测量 . 我想通过使用varibale类型的day作为因子来 Build 线性模型 . 可能是近似实际 生产环境 的最... -
-1 votesanswersviews
预测时间序列中的累积变量
我正在尝试基于永不减少的累积变量来构建时间序列模型 . 我很想知道可观察量何时达到一定值（即，它将与下图中的蓝线相交） . 橙色线固定到最后一个已知数据点，并根据最后5个可观察量的平均值增加 . 红线不固定，表示基于最后5个可观测量的线性拟合 . 这似乎是有问题的，因为在图中的时间段108中，预测值小于前一时间段中的可观察值，其将永远不会发生 . 绿线不固定，表示基于所有可观测量的线性拟合 . ...