Statistiken und Big Data forecasting

3

Wäre es sinnvoll, ein Modell absichtlich zu überpassen? Angenommen, ich habe einen Anwendungsfall, bei dem ich weiß, dass die Daten in Bezug auf die Trainingsdaten nicht wesentlich variieren. Ich denke hier an die Verkehrsvorhersage, bei der der Verkehrsstatus einem festen Satz von Mustern folgt Morgen pendeln Nachtaktivität und so weiter. …

8 machine-learning time-series forecasting prediction overfitting

2

Der Mythos der Vorhersehbarkeit mit langem Horizont

Ich bin kürzlich auf einen faszinierenden Artikel über die Vorhersage zukünftiger Börsenrenditen gestoßen. Der Autor präsentiert die folgende Grafik und zitiert einen R ^ 2 von 0,913. Dies würde die Methode des Autors allem, was ich jemals zu diesem Thema gesehen habe, weit überlegen machen (die meisten argumentieren, dass der …

8 machine-learning time-series forecasting predictive-models

1

Wie wird die Wahrscheinlichkeit einer probabilistischen Prognose gemessen?

Angenommen, ich mache eine Reihe von Wahrscheinlichkeitsprognosen wie: 70% Wahrscheinlichkeit, dass das Umsatzwachstum im ersten Quartal 10-15% beträgt, 10% Wahrscheinlichkeit, dass das Umsatzwachstum> 15% beträgt, 20% Wahrscheinlichkeit, dass das Umsatzwachstum <10% beträgt Was ist angesichts der tatsächlichen Daten der beste Weg, um meine Genauigkeit zu messen oder zu verfolgen? Brier …

8 forecasting scoring-rules

1

Vorhersage von Poisson, Genauigkeit und Vorhersageintervallen

Ich versuche, PoissonDaten, die in Gruppen unterteilt sind 1-26 months of data, je nach Gruppe vorherzusagen. Von den gepoolten Daten 65% has a value of 0und 25% a value of 1. Ich konnte keine Trends oder Saisonalität finden und begann, ein paar verschiedene Modelle von Schreibwaren zu testen. Moving average …

8 time-series forecasting count-data prediction-interval intermittent-time-series

1

Arimax-Vorhersage: Verwenden des Prognosepakets

Die arimaxFunktion im TSAPaket ist meines Wissens das einzige RPaket, das für eine Übertragungsfunktion für Interventionsmodelle geeignet ist. Es fehlt jedoch eine Vorhersagefunktion, die manchmal benötigt wird. Ist das Folgende eine Problemumgehung für dieses Problem, bei der das hervorragende forecastPaket genutzt wird? Werden die Vorhersageintervalle korrekt sein? In meinem Beispiel …

8 r time-series forecasting arima intervention-analysis

2

Welche ökonometrischen Modelle können verwendet werden, um Sicherheitsrenditen + ARIMA / GARCH-Fragen vorherzusagen?

Ich versuche, eine Diplomarbeit zu schreiben, in der ich die Vorhersagekraft eines bestimmten ökonometrischen Modells für eine bestimmte finanzielle Zeitreihe teste. Ich brauche einen Rat, wie ich das machen soll. Um die Dinge in einen Zusammenhang zu bringen, habe ich mich größtenteils mit Ökonometrie befasst. Der einzige Kurs, den ich …

8 time-series forecasting econometrics arima garch

1

Probleme mit der Vorhersage von Zeitreihen

Ich habe eine Frage zur Modellierung von Zeitreihen in R. Meine Daten bestehen aus der folgenden Matrix: 1 0.03333333 0.01111111 0.9555556 2 0.03810624 0.02309469 0.9387991 3 0.00000000 0.03846154 0.9615385 4 0.03776683 0.03119869 0.9310345 5 0.06606607 0.01201201 0.9219219 6 0.03900325 0.02058505 0.9404117 7 0.03125000 0.01562500 0.9531250 8 0.00000000 0.00000000 1.0000000 9 …

8 r time-series forecasting compositional-data

3

Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung

Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, …

8 normal-distribution data-transformation logistic generalized-linear-model ridge-regression t-test wilcoxon-signed-rank paired-data naive-bayes distributions logistic goodness-of-fit time-series eviews ecm panel-data reliability psychometrics validity cronbachs-alpha self-study random-variable expected-value median regression self-study multiple-regression linear-model forecasting prediction-interval normal-distribution excel bayesian multivariate-analysis modeling predictive-models canonical-correlation rbm time-series machine-learning neural-networks fishers-exact factorisation-theorem svm prediction linear reinforcement-learning cdf probability-inequalities ecdf time-series kalman-filter state-space-models dynamic-regression index-decomposition sampling stratification cluster-sample survey-sampling distributions maximum-likelihood gamma-distribution

1

Wie vergleiche ich Prognosemethoden?

Ich habe mehrere intermittierende Daten. Basierend auf diesen Daten möchte ich verschiedene Prognosemethoden (Exponential Smoothing, Moving Average, Croston und Syntetos-Boylan) vergleichen und entscheiden, ob Croston oder Syntetos Boylan für intermittierende Daten besser als SES oder MA ist oder nicht. Das Maß, das ich vergleichen möchte, ist die von Kourentzes (2014) …

8 forecasting method-comparison crostons-method intermittent-time-series

4

Auswahl eines Regressionsmodells

Wie kann man objektiv ("algorithmisch" gelesen) ein geeignetes Modell für eine einfache lineare Regression der kleinsten Quadrate mit zwei Variablen auswählen? Angenommen, die Daten scheinen einen quadratischen Trend zu zeigen, und es wird eine Parabel generiert, die recht gut zu den Daten passt. Wie rechtfertigen wir es, dies zur Regression …

8 regression forecasting model-selection prediction

1

Vorhersage unregelmäßiger Zeitreihen (mit R)

Es gibt verschiedene Methoden, um Vorhersagen für äquidistante Zeitreihen zu treffen (z. B. Holt-Winters, ARIMA, ...). Derzeit arbeite ich jedoch an dem folgenden Datensatz mit unregelmäßigen Abständen, der eine unterschiedliche Anzahl von Datenpunkten pro Jahr und keine regelmäßigen Zeitintervalle zwischen diesen Punkten aufweist: Plot: Beispieldaten: structure(list(date = structure(c(664239600, 665449200, 666658800, …

8 r time-series forecasting unevenly-spaced-time-series

3

Optimierungsfehler beim Einpassen des Arima-Modells in R.

Ich verwende die Arima-Methode des Statistikpakets von R mit meiner Zeitreihe von 17376 Elementen. Mein Ziel ist es, den Wert des AIC-Kriteriums zu erhalten. Ich habe in meinem ersten Test Folgendes beobachtet: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = "BFGS",) > …

8 r time-series forecasting arima

2

Warum würde ein statistisches Modell bei einem riesigen Datensatz überanpassen?

Für mein aktuelles Projekt muss ich möglicherweise ein Modell erstellen, um das Verhalten einer bestimmten Personengruppe vorherzusagen. Der Trainingsdatensatz enthält nur 6 Variablen (ID dient nur zu Identifikationszwecken): id, age, income, gender, job category, monthly spend in dem monthly spendist die Antwortvariable. Der Trainingsdatensatz enthält jedoch ungefähr 3 Millionen Zeilen, …

8 modeling large-data overfitting clustering algorithms error spatial r regression predictive-models linear-model average measurement-error weighted-mean error-propagation python standard-error weighted-regression hypothesis-testing time-series machine-learning self-study arima regression correlation anova statistical-significance excel r regression distributions statistical-significance contingency-tables regression optimization measurement-error loss-functions image-processing java panel-data probability conditional-probability r lme4-nlme model-comparison time-series probability probability conditional-probability logistic multiple-regression model-selection r regression model-based-clustering svm feature-selection feature-construction time-series forecasting stationarity r distributions bootstrap r distributions estimation maximum-likelihood garch references probability conditional-probability regression logistic regression-coefficients model-comparison confidence-interval r regression r generalized-linear-model outliers robust regression classification categorical-data r association-rules machine-learning distributions posterior likelihood r hypothesis-testing normality-assumption missing-data convergence expectation-maximization regression self-study categorical-data regression simulation regression self-study self-study gamma-distribution modeling microarray synthetic-data

2

auto.arima erkennt kein saisonales Muster

Ich habe einen täglichen Wetterdatensatz, der wenig überraschend einen sehr starken saisonalen Effekt hat. Ich habe ein ARIMA-Modell mit der Funktion auto.arima aus dem Prognosepaket an diesen Datensatz angepasst. Zu meiner Überraschung wendet die Funktion keine saisonalen Operationen an - saisonale Differenzierung, saisonale ar- oder ma-Komponenten. Hier ist das Modell, …

8 r time-series forecasting arima arma

1

Vorhersage stark korrelierter Zeitreihen

Bei der Vorhersage von Zeitreihen mit verschiedenen Modellen wie AR, MA, ARMA usw. konzentrieren wir uns normalerweise auf die Modellierung der Daten im Zeitwechsel. Wenn wir jedoch zwei Zeitreihen haben, bei denen der Pearson-Korrelationskoeffizient zeigt, dass sie stark korreliert sind, ist es dann möglich, ihre Abhängigkeits- und Prognosewerte voneinander zu …

8 time-series correlation forecasting var

Als «forecasting» getaggte Fragen