forecasting

    2热度

    1回答

    R :: forecast双因子预测

    我需要根据产品线和商场线进行预测。 我的数据集的一小部分。 date mall product price 01.01.2017 mall1 prod1 94 01.01.2017 mall1 prod1 65 01.01.2017 mall1 prod1 50 01.01.2017 mall1 prod1 92 01.01.2017 mall1 prod2 97 01.01.201
    r forecasting 2017-11-18

    0热度

    1回答

    如何在预测包中使用autoplot（）时控制行大小

    我习惯于在geom_line(size=1)的ggplot中控制行大小。我似乎无法找到控制forecast软件包中的autoplot()函数中的行大小的方法。例如，给定以下代码，如何才能使行大小变粗？ > library(forecast) > d.arima <- forecast::auto.arima(AirPassengers) > autoplot(forecast::forecas
    r ggplot2 forecasting 2017-10-04

    0热度

    1回答

    使用ETS绘制预测输出

    我想使用ETS来应用Holt-Winters。我正在读取数据库中的数据，因为不同用户的开始时间戳可能会有所不同（但时间间隔保持在15分钟）。 我在绘制/解释预测结果时遇到了问题。 x轴可能会显示时间序列的索引值。我无法确定问题。下面的采样数据是： > rawdata date_time_start total_transmitted_mbps 25/04/2017 00:00
    r forecasting holtwinters 2017-10-13

    2热度

    1回答

    外汇汇率预测

    最近我强迫我的神经网络学习异或函数，但现在我想预测给定日期的货币汇率。对于XOR函数来说很容易，因为输入和输出落在[0; 1）之间。 汇率： 应该对输入和输出进行归一化处理吗？如果是的话如何？网络应该有多少层？有多少输入 - 我在考虑1个输入（时间或某种表示）。 我打算使用：多层网络，sigmoid函数，带有nesterov动量的梯度下降。
    machine-learning neural-network prediction forecasting 2017-10-14

    1热度

    2回答

    预测单个/多个时间步的多行lstm

    我有250天的数据，72个训练样本的特征和一个目标变量列。并且想要预测未来30天内每个具有72个特征的21351行。我将如何重塑我的数据输入和输出。看起来我有点混乱，图书馆给了我关于形状不兼容的错误。 我被重塑为： trainX.reshape(1, len(trainX), trainX.shape[1]) trainY.reshape(1, len(trainX)) 但给我的错误： V
    python-3.x time-series keras lstm forecasting 2017-10-16

    1热度

    1回答

    lstm模型的输出形状

    我有1025643个条目和72个特征/属性的测试数据。我已经用形状（245,30,72）和形状（245，）训练了带有输入数据trainX的lstm。另外请注意，我已经指定了后退30步，因此trainX的形状（245,30,72）。 现在训练模型后，如果我做 model.output_shape 输出是： （无，1） 我的理解是，它将使对测试集进行一步预测。但我希望它是30行的预测，每个未来的步骤，
    python-3.x time-series keras lstm forecasting 2017-10-17

    0热度

    1回答

    R的arima预测的交叉验证

    我想确保我了解R的fit和summary函数。 这里是我如何使用他们的100个数据点的时间序列被分为训练和测试样品： x = ts(MyData) train = x[1:80,1] test = x[81:length(x), 1] fit = arima(train, order=c(1,1,0)) summary(fit, test) 我是在我的思想纠正summary将比较的时间
    r time-series forecasting 2017-10-28

    2热度

    1回答

    展平或消化一个季节性时间序列

    我有一个季节性（每周）模式的重复时间序列，我想返回同一时间序列，没有逐周趋势，将第一个值作为初始点。 具体而言，第1个值仍然是39.8，但第8个值也将是39.8而不是17.1。如果前七个值只是重复，那么会重复一个星期的负面趋势，我想根本没有趋势（所以6.2的第7个值也会更高）。 有没有一种优雅的方式来做到这一点，尤其是对于时间序列中的零值条目（我有很多这样的方法）是健壮的呢？ 我们可以假设时间序列
    r time-series forecasting decomposition trend 2017-10-01

    1热度

    1回答

    对于循环AR模型

    我想用具有差异时间序列的AR（4）模型提前n步预测。 模型本身： X(t)-X(t-1)=a(1)(X(t-1)-X(t-2))+...+a(4)(X(t-4)-X(t-5)) => X(t)=X(t-1)+a(1)(X(t-1)-X(t-2))+...+a(4)(X(t-4)-X(t-5)) 首次预测： X(t+1)-X(t)=a(1)(X(t)-X(t-1))+...+a(4)(X(t
    r for-loop forecasting 2017-10-15

    0热度

    1回答

    与多元的历史数据预测保险理赔

    我有这样的保险索赔从一个特定的疾病D. 遭受被诊断患有疾病d后患者的数据，让患者索赔各种治疗。对于每项索赔，都有关于提出诊断索赔后的天数，索赔金额以及一些其他分类变量的数据。 使用这些数据，我必须预测每位患者在未来12个月内将要求多少钱。 我没有太多的时间序列预测经验，所以我不知道该怎么做。我所看到的所有教程都有数据集，每个数据行都有日期。 您能否推荐使用哪种建模技术以及如何使用我的数据？ 样本数
    time-series forecasting 2017-10-28
最新问题