Pertanyaan yang diberi tag «exponential-smoothing»

Saya mulai mencoba-coba penggunaan glmnetdengan LASSO Regression di mana hasil yang saya minati menjadi dikotomis. Saya telah membuat bingkai data mock kecil di bawah ini: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …

78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Saya sedang mengerjakan alogoritma di R untuk mengotomatiskan perhitungan perkiraan bulanan. Saya menggunakan, antara lain, fungsi ets () dari paket perkiraan untuk menghitung perkiraan. Ini bekerja dengan sangat baik. Sayangnya, untuk beberapa seri waktu tertentu, hasil yang saya dapatkan aneh. Silakan, cari di bawah kode yang saya gunakan: train_ts<- ts(values, …

16 r  time-series  forecasting  exponential-smoothing 

Saya perlu mengotomatiskan peramalan time-series, dan saya tidak tahu sebelumnya fitur-fitur dari seri tersebut (musiman, tren, kebisingan, dll.). Tujuan saya bukan untuk mendapatkan model terbaik untuk setiap seri, tetapi untuk menghindari model yang sangat buruk. Dengan kata lain, untuk mendapatkan kesalahan kecil setiap kali bukanlah masalah, tetapi untuk mendapatkan kesalahan …

13 time-series  forecasting  arima  ensemble  exponential-smoothing 

Saya baru-baru ini menyegarkan pengetahuan peramalan saya sambil mengerjakan ramalan bulanan di tempat kerja dan membaca buku Rob Hyndman, tetapi satu-satunya tempat saya berjuang adalah ketika menggunakan model perataan eksponensial vs model ARIMA. Apakah ada aturan praktis di mana Anda harus menggunakan satu metodologi vs yang lain? Juga, karena Anda …

12 forecasting  arima  exponential-smoothing 

Pertanyaan saya adalah tentang perbedaan konseptual antara Holt-Winters dan ARIMA. Sejauh yang saya mengerti, Holt-Winters adalah kasus khusus ARIMA. Tetapi kapan satu algoritma lebih disukai dari yang lain? Mungkin Holt-Winters bersifat inkremental dan karenanya berfungsi sebagai algoritma inline (lebih cepat)? Menantikan beberapa wawasan di sini.

11 time-series  arima  exponential-smoothing 

Saya menulis fungsi sederhana dengan Python untuk menghitung rata-rata tertimbang secara eksponensial: def test(): x = [1,2,3,4,5] alpha = 0.98 s_old = x[0] for i in range(1, len(x)): s = alpha * x[i] + (1- alpha) * s_old s_old = s return s Namun, bagaimana saya bisa menghitung SD yang …

10 standard-deviation  python  exponential-smoothing 

Saya telah mendengar sedikit tentang menggunakan jaringan saraf untuk memperkirakan deret waktu. Bagaimana saya bisa membandingkan, metode mana untuk meramalkan seri waktu saya (data ritel harian) yang lebih baik: auto.arima (x), ets (x) atau nnetar (x). Saya dapat membandingkan auto.arima dengan ets oleh AIC atau BIC. Tetapi bagaimana saya bisa …

10 r  neural-networks  forecasting  arima  exponential-smoothing 

Saya memiliki GLMM formulir: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Ketika saya menggunakan drop1(model, test="Chi"), saya mendapatkan hasil yang berbeda daripada jika saya menggunakan Anova(model, type="III")dari paket mobil atau summary(model). Dua yang terakhir ini memberikan jawaban yang sama. Menggunakan banyak data yang …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion