holtwinters

    0热度

    1回答

    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

    0热度

    1回答

    我有一个简单的例子的时间序列: 数据: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2000 200.1 199.5 199.4 198.9 199.0 200.2 198.6 200.0 200.3 201.2 201.6 201.5 2001 201.5 203.5 204.9 207.1 210.5 210.5 209.8 208.8

    0热度

    1回答

    我有一些问题获得这个数据是holt-winter模型的时间序列。我不知道下一步该怎么做。 library(reshape) library(tidyr) tempdata = as.matrix(read.table("https://d37djvu3ytnwxt.cloudfront.net/assets/courseware/v1/592f3be3e90d2bdfe6a69f62374a

    5热度

    1回答

    我使用R中的HoltWinters预测软件包根据每月通话量数据生成预测。 它在大多数情况下运作良好,但有过度使用数据的趋势,特别是在有特殊时期的情况下,例如呼叫需求的阶跃变化。 在最近的一个例子中,中间集alpha的阶跃变化为0.94,beta为0,gamma为0,这会产生奇怪的预测。 Month Data 1 7082 2 6407 3 5479 4 5480 5 5896 6 60

    1热度

    1回答

    我试图使用forecast.holtwinters功能,当我尝试运行它: dftimeseriesforecast <- forecast.HoltWinters(data, h=65) 我得到这个错误: 错误:无法发现功能 “forecast.HoltWinters” 我也试过这样: dftimeseriesforecast= forecast::forecast.HoltWinters(d

    0热度

    3回答

    我使用多种时间序列模型,如ARIMA,holtwtwitter,prophet。现在我想要做所有这些的合奏并产生结果。我需要建议什么是在时间序列上应用合奏的最佳方式。请帮忙。我对此很陌生。

    0热度

    1回答

    我正在寻找一个简单的例子(或链接到一个),使用基地霍尔特温特斯或预测包中的R来绘制与预测相同的范围内的实际。 我看过很多例子,显示实际/拟合在一起,或实际'后跟'的预测,但我无法找到与实际/预测一起运行的代码示例。 我之所以这样做,是使用一个实际的子集(列车)创建一个预测,然后删除完整的数据集,这样我就可以展示预测的真实效果。希望这是有道理的,并提前感谢任何帮助!

    0热度

    1回答

    我有一个时间序列数据集,频率为52(星期)和104条记录2年的数据)我已经在下面给出了一个样本。 我使用HTS包中的R (link) 它具有预测包中,我们可以指定一个用户定义的函数,这将被用于创建预测。我用HoltWinters(上创建STLF在下面的代码给出的线条修正函数) 我正在两个错误: 错误-.default(Y,适合):非适形阵列 此外:警告消息: 在HoltWinters(X): 优化

    1热度

    1回答

    我想将日期绘制为R中Holt-Winters图中x轴的日期。我在此网站上搜索了此主题以及许多其他运气。我知道大部分地块使用xaxt="n",然后使用axis()。以下代码适用于正常情节: plot(date,sold, xaxt="n", main="Quantity Widgets Sold") axis(1,date,format(date,"%d %b", cex.axis=0.7))

    0热度

    1回答

    我有一个时间序列对象calc_visit_ts。 我想为每个模型应用基于MAPE值的最佳拟合时间序列模型。我面临的问题是MAPE值HOLT-WINTER乘法模型无法像其他模型一样计算(因为与summary(visit_model_Hw_M)相比,它给了我一个不同的MAPE值)。 #### AUTO-ARIMA visit_model_Arima <- auto.arima(calc_visit_