Als «trend» getaggte Fragen

Ein beobachtbares Muster in den Daten.

2
STL-Trend von Zeitreihen mit R
Ich bin neu in R und in der Zeitreihenanalyse. Ich versuche den Trend einer langen (40 Jahre) täglichen Temperatur-Zeitreihe zu finden und versuche verschiedene Annäherungen. Erstens handelt es sich nur um eine einfache lineare Regression und zweitens um die saisonale Zerlegung von Zeitreihen nach Loess. Bei letzteren scheint die saisonale …
27 r  time-series  trend 
1
Kriterien zur Einstellung der AWL ab Fensterbreite
Steuert mithilfe Rder STL-Zerlegung, s.windowwie schnell sich die saisonale Komponente ändern kann. Kleine Werte ermöglichen eine schnellere Änderung. Das Festlegen des Saisonfensters auf unendlich entspricht dem Erzwingen, dass die Saisonkomponente periodisch ist (dh über Jahre hinweg identisch ist). Meine Fragen: Wenn ich eine monatliche Zeitreihe habe (das entspricht einer Häufigkeit …
2
Zeitreihen- und Anomalieerkennung
Ich möchte einen Algorithmus zum Erkennen einer Anomalie in Zeitreihen einrichten und plane, dafür Clustering zu verwenden. Warum sollte ich eine Distanzmatrix für das Clustering verwenden und nicht die rohen Zeitreihendaten ?, Zum Erkennen der Anomalie verwende ich Dichtebasiertes Clustering, einen Algorithmus als DBscan. Würde das in diesem Fall funktionieren? …
2
Verständnis des k-Lag im erweiterten Dickey-Fuller-Test von R.
Ich habe mit einigen Unit-Root-Tests in R herumgespielt und bin mir nicht ganz sicher, was ich mit dem Parameter k lag anfangen soll. Ich habe den erweiterten Dickey-Fuller-Test und den Philipps-Perron-Test aus dem tseries- Paket verwendet. Offensichtlich hängt der voreingestellte Parameter (für ) nur von der Länge der Reihe ab. …
15 r  time-series  trend 
1
Wann muss die Verzögerung der abhängigen Variablen in ein Regressionsmodell einbezogen werden und welche Verzögerung?
Die Daten, die wir als abhängige Variable verwenden möchten, sehen folgendermaßen aus (es handelt sich um Zähldaten). Wir befürchten, dass die Regression, da sie eine zyklische Komponente und eine Trendstruktur aufweist, irgendwie voreingenommen ist. Wir werden eine negative binomische Regression verwenden, falls dies hilft. Die Daten sind ein ausgeglichenes Panel, …
6
Wie kann man abrupte Veränderungen charakterisieren?
Diese Frage ist möglicherweise zu grundlegend. Für einen zeitlichen Trend von Daten möchte ich den Punkt herausfinden, an dem "abrupte" Änderungen auftreten. In der ersten Abbildung unten möchte ich beispielsweise den Änderungspunkt mithilfe einer statistischen Methode ermitteln. Und ich möchte eine solche Methode auf einige andere Daten anwenden, deren Änderungspunkt …
1
R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
3
Statistischer Test, um zu überprüfen, wann zwei ähnliche Zeitreihen voneinander abweichen
Ab dem Titel möchte ich wissen, ob es einen statistischen Test gibt, der mir helfen kann, eine signifikante Abweichung zwischen zwei ähnlichen Zeitreihen zu identifizieren. In der folgenden Abbildung möchte ich insbesondere feststellen, dass die Reihen zum Zeitpunkt t1 zu divergieren beginnen, dh wenn der Unterschied zwischen ihnen signifikant wird. …
2
Vergleich von Zeitreihensätzen
Ich habe drei Sätze von Zeitreihendaten, die ich vergleichen möchte. Sie wurden in 3 verschiedenen Zeiträumen von etwa 12 Tagen eingenommen. Dies sind die durchschnittlichen, maximalen und minimalen Mitarbeiterzahlen, die während der Abschlusswochen in einer Universitätsbibliothek erfasst wurden. Ich musste Mittelwert, Maximum und Min machen, weil die stündlichen Kopfzahlen nicht …
1
Welches Deep-Learning-Modell kann Kategorien klassifizieren, die sich nicht gegenseitig ausschließen?
Beispiele: Ich habe einen Satz in der Stellenbeschreibung: "Java Senior Engineer in UK". Ich möchte ein Deep-Learning-Modell verwenden, um es als zwei Kategorien vorherzusagen: English und IT jobs. Wenn ich ein traditionelles Klassifizierungsmodell verwende, kann es nur 1 Etikett mit softmaxFunktion auf der letzten Ebene vorhersagen . Somit kann ich …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Wird Naive Bayes immer beliebter? Warum?
Dies ist das Google-Trends- Ergebnis für die Phrase "Naive Bayes" von Januar 2004 bis April 2017 ( Link ). Demnach liegt die Suchquote für "Naive Bayes" im April 2017 im gesamten Zeitraum um 25% über dem Maximum. Bedeutet dies, dass diese einfache und alte Methode mehr Aufmerksamkeit erhält? Warum? Eine …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.