Statistiken und Big Data time-series

9

Zeitreihen für Zähldaten mit Zählwerten <20

Ich habe vor kurzem angefangen, für eine Tuberkulose-Klinik zu arbeiten. Wir treffen uns regelmäßig, um die Anzahl der TB-Fälle, die wir derzeit behandeln, die Anzahl der durchgeführten Tests usw. zu besprechen. Ich möchte mit der Modellierung dieser Zählungen beginnen, um nicht nur zu erraten, ob etwas ungewöhnlich ist oder nicht. …

23 r time-series poisson-distribution count-data epidemiology

1

Was genau sind Aufmerksamkeitsmechanismen?

In den letzten Jahren wurden in verschiedenen Deep-Learning-Artikeln Aufmerksamkeitsmechanismen eingesetzt. Ilya Sutskever, Forschungsleiter bei Open AI, hat sie begeistert gelobt: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0 Eugenio Culurciello von der Purdue University hat gefordert, dass RNNs und LSTMs zugunsten rein auf Aufmerksamkeit basierender neuronaler Netze aufgegeben werden sollten: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0 Dies scheint übertrieben, aber es ist …

23 time-series deep-learning lstm rnn attention

2

Definition der Autokorrelationszeit (für effektive Stichprobengröße)

Ich habe in der Literatur zwei Definitionen für die Autokorrelationszeit einer schwach stationären Zeitreihe gefunden: τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk|τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk| \tau_a = 1+2\sum_{k=1}^\infty \rho_k \quad \text{versus} \quad \tau_b = 1+2\sum_{k=1}^\infty \left|\rho_k\right| Dabei ist die Autokorrelation bei Verzögerung . kρk=Cov[Xt,Xt+h]Var[Xt]ρk=Cov[Xt,Xt+h]Var[Xt]\rho_k = \frac{\text{Cov}[X_t,X_{t+h}]}{\text{Var}[X_t]}kkk Eine Anwendung der Autokorrelationszeit besteht darin, die "effektive Stichprobengröße" zu ermitteln: Wenn Sie …

23 r time-series correlation

3

AIC versus Kreuzvalidierung in Zeitreihen: der kleine Musterfall

Ich interessiere mich für die Modellauswahl in einer Zeitreiheneinstellung. Nehmen wir der Vollständigkeit halber an, ich möchte ein ARMA-Modell aus einem Pool von ARMA-Modellen mit unterschiedlichen Verzögerungsreihenfolgen auswählen. Die ultimative Absicht ist die Vorhersage . Die Modellauswahl kann über erfolgen Kreuzvalidierung, Verwendung von Informationskriterien (AIC, BIC), unter anderem Methoden. Rob …

22 time-series forecasting cross-validation model-selection aic

1

Wie zerlege ich eine Zeitreihe mit mehreren saisonalen Komponenten?

Ich habe eine Zeitreihe, die doppelte saisonale Komponenten enthält, und ich möchte die Reihe in die folgenden Zeitreihenkomponenten aufteilen (Trend, saisonale Komponente 1, saisonale Komponente 2 und unregelmäßige Komponente). Soweit mir bekannt ist, erlaubt die STL-Prozedur zum Zerlegen einer Reihe in R nur eine saisonale Komponente, daher habe ich versucht, …

22 r time-series forecasting decomposition multiple-seasonalities

3

Unterstützung der Vektorregression für die Vorhersage multivariater Zeitreihen

Hat jemand versucht, Zeitreihen mithilfe der Support-Vektor-Regression vorherzusagen? Ich verstehe Support-Vektor-Maschinen und teilweise Support-Vektor-Regression, aber ich verstehe nicht, wie sie zum Modellieren von Zeitreihen, insbesondere multivariaten Zeitreihen, verwendet werden können. Ich habe versucht, ein paar Artikel zu lesen, aber sie sind zu hoch. Kann mir jemand erklären, wie sie funktionieren …

22 time-series machine-learning svm

2

Interpretation des mittleren absoluten skalierten Fehlers (MASE)

Der mittlere absolute Skalierungsfehler (MASE) ist ein Maß für die von Koehler & Hyndman (2006) vorgeschlagene Prognosegenauigkeit . MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} wobei ist der mittlere absolute Fehler der tatsächlichen Vorhersage erzeugt; während M A E i n - s a m p l e ,MAEMAEMAE ist der mittlere absolute Fehler, …

22 time-series forecasting accuracy mase

2

Faltungsneurales Netz für Zeitreihen?

Ich würde gerne wissen, ob es einen Code zum Trainieren eines Faltungsnetzes für die Zeitreihenklassifizierung gibt. Ich habe kürzlich einige Veröffentlichungen gesehen ( http://www.fer.unizg.hr/_download/repository/KDI-Djalto.pdf ), bin mir aber nicht sicher, ob es etwas gibt oder ob ich es selbst codieren muss.

21 time-series classification neural-networks conv-neural-network

3

Analysieren Sie ACF- und PACF-Diagramme

Ich möchte sehen, ob ich auf dem richtigen Weg bin, meine ACF- und PACF-Diagramme zu analysieren: Hintergrund: (Ref: Philip Hans Franses, 1998) Da sowohl ACF als auch PACF signifikante Werte aufweisen, gehe ich davon aus, dass ein ARMA-Modell meinen Anforderungen gerecht wird Der ACF kann verwendet werden, um den MA-Teil, …

21 time-series model-selection arma statsmodels

4

Unter welchen Umständen ist ein MA-Prozess oder ein AR-Prozess angemessen?

Ich verstehe, dass, wenn ein Prozess von vorherigen Werten von sich selbst abhängt, es ein AR-Prozess ist. Wenn es von vorherigen Fehlern abhängt, dann ist es ein MA-Prozess. Wann würde eine dieser beiden Situationen eintreten? Hat jemand ein solides Beispiel, das die zugrunde liegende Frage beleuchtet, was es bedeutet, dass …

21 time-series autoregressive moving-average

1

Wie kann ich zwei Signale ausrichten / synchronisieren?

Ich mache einige Nachforschungen, stecke aber in der Analysephase fest (hätte meinen Statistikvorträgen mehr Aufmerksamkeit schenken sollen). Ich habe zwei gleichzeitige Signale gesammelt: die integrierte Durchflussrate für das Volumen und die Änderung der Brustausdehnung. Ich möchte die Signale vergleichen und letztendlich hoffen, die Lautstärke aus dem Brustexpansionssignal abzuleiten. Aber zuerst …

21 r time-series signal-processing measurement

1

Logistische Regression für Zeitreihen

Ich möchte ein binäres logistisches Regressionsmodell im Kontext von Streaming-Daten (mehrdimensionale Zeitreihen) verwenden, um den Wert der abhängigen Variablen der Daten (dh der Zeile), die gerade angekommen sind, unter Berücksichtigung der bisherigen Beobachtungen vorherzusagen. Soweit mir bekannt ist, wird die logistische Regression traditionell für die postmortale Analyse verwendet, bei der …

21 r time-series logistic

3

Auto.arima mit täglichen Daten: Wie erfasst man die Saisonalität / Periodizität?

Ich rüste eine tägliche Zeitreihe mit einem ARIMA-Modell aus. Die Daten werden täglich vom 01.02.2010 bis zum 30.07.2011 erhoben und beziehen sich auf den Zeitungsverkauf. Da ein wöchentliches Verkaufsmuster festgestellt werden kann (die tägliche durchschnittliche Anzahl der verkauften Exemplare ist normalerweise von Montag bis Freitag gleich und steigt dann am …

21 r time-series arima seasonality

2

Wie gruppiere ich Zeitreihen?

Ich habe eine Frage zur Clusteranalyse. Es gibt 3000 Unternehmen, die nach ihrem Stromverbrauch über 5 Jahre gruppiert werden müssen. Jedes Unternehmen hat Werte für jede Stunde während 5 Jahren. Ich würde gerne herausfinden, ob einige Unternehmen über den Zeitraum die gleiche Nutzungsstärke aufweisen. Die Ergebnisse sollten für die tägliche …

21 time-series clustering spss

4

Funktionale Hauptkomponentenanalyse (FPCA): Worum geht es?

Über die Funktionale Hauptkomponentenanalyse (FPCA) bin ich gestolpert und habe sie nie verstanden. Worum geht es? Siehe "Eine Übersicht über die Analyse der funktionalen Hauptkomponenten" von Shang, 2011 , und ich zitiere: PCA stößt bei der Analyse von Funktionsdaten aufgrund des "Fluches der Dimensionalität" auf ernsthafte Schwierigkeiten (Bellman 1961). Der …

21 time-series pca dimensionality-reduction

Als «time-series» getaggte Fragen