나는 1960 년에서 2015 년까지의 일별 온도 계열을 가지고 있으며 2016 년을 예측하고 싶습니다. 저의 목표는 추세를 파악하면서 간단한 방법을 사용하는 것입니다. 시간에 따른 데이터의 계절성. (실제로 5 월에서 8 월까지 기상 조건에 대해서만 관심이 있지만 설득력있는 예측을하기 위해 지난 5 월에서 8 월까지 데이터를 사용할 수 있는지 확실하지 않
나는 R에서이 문제를 해결하는 방법을 알아 내려고합니다. 감독 학습 영역에있는 시계열 데이터에 회귀 모델을 사용하는 기계를 사용하고 싶습니다. 이 경우 필자는 슬라이딩 윈도우 기능처럼 앞으로 n-step 뒤로 돌아갈 수있는 기능/패키지가 필요합니다. 이 표는 현재 관찰 (t)이 출력으로 간주되는 입력 (t-n) 및 출력 (t + n) 변수를 보여줍니다.
ETS를 사용하여 홀트 - 윈터를 적용하려고합니다. 시작 타임 스탬프가 다른 사용자의 경우 다를 수 있지만 (간격은 15 분 남음) DB에서 데이터를 읽는 중입니다. 예측 결과를 플로팅/해석하는 데 문제가 있습니다. x 축은 아마 시계열의 인덱스 값을 표시합니다. 문제를 확인할 수 없습니다. 샘플 데이터는 아래와 같다 : raw_data$date_time_
예측 문제를 처리하는 방법을 알아 내려고하고이 분야에서 내 이해가 올바른지 확신 할 수 없으므로 누군가가 나를 도울 수 있다면 정말 좋을 것입니다. 우선, 저의 목표는 회귀 분석을 통해 시계열을 예측하는 것입니다. Timestamp UsageCPU UsageMemory Indicator Delay
2014-01-03 21:50:00 3123 12
모델 unchangable 범위 시계열 나쁜 예측 convergance 님 def buildModel(neurons= 5, batch_size= 1, timestep=1, features=1):
model = Sequential()
model.add(LSTM(neurons,
batch_input_shape=(batch_si
필자는 1025643 개의 항목과 72 개의 기능/속성의 테스트 데이터를 가지고 있습니다. 필자는 모양 (245, 30, 72)을 가진 입력 데이터 trainX와 모양 (245,)을 가진 trainY를 가진 lstm을 교육했습니다. 또한 나는 look-back을 trainX의 30 번째 단계 (245, 30, 72)가되도록 지정했다. 이제 모델을 훈련 후
두 변수의 시계열 데이터로 작업하고 있습니다. VAR 모델을 사용하여 예측하고 예측했습니다. 그러나 seria.test (Portmanteau Test)의 "p"값은 값 p < < 0.05를 제공합니다. 괜찮습니까? > var1 = VAR(datax.ts, p= 8)
> serial.test(var1, lags.pt=10, type = "PT.asympt
State + Product의 다양한 조합에 대한 판매 데이터가 있습니다. 각 조합에 대해 향후 3 개월 동안 판매를 예측해야합니다. 현재 ARIMA를 사용하여 고유 한 조합 수에 대한 루프에서 모델을 예측하고 실행합니다. 나는 거기에서 우리가 회귀에서 사용하는 그룹과 같은 어떤 다른 간단하고 빠른 방법과 그것을 구현하는 방법을 알고 싶었다. 샘플 데이터
안녕하세요 여기서는 이전에 사용한 적이없는 Excel 예측 기능을 사용합니다. 지난 주 많은 시간을 보냈고 지혜를 찾아 많은 사이트를 추적했습니다. 많은 PC와 서버에서 디스크 사용을 모니터링하여 향후 5-10 년 동안 프로젝트를 진행할 수 있도록 디스크 공간이 어떻게 사용되고 있는지 이해하려고 노력했습니다. 2017-09-07에서 1994 년까지 매월 데
데이터 정리 및 회귀를 수행했지만 지금은 출력을 적용하고 싶습니다. 다음 문제에 봉착했습니다. 와 "역사"라는 하나의 데이터 프레임은 다음과 같습니다 : 다른 데이터 프레임은 "예측"이라고 Year Value
2014 5
2015 7.5
2016 11
과 (미래의 새로운 년)과 같습니다 Year Growth
2017 0.05
2018 0.11