滚动窗口R2的平均值是回归的总R2吗？
滚动窗口R2的平均值并不是回归的总R2。滚动窗口R2是一种评估回归模型性能的指标，它通过将数据集分成多个滚动窗口，每次使用一个窗口作为测试集，其余窗口作为训练集来计算R2值。然后，将所有窗口的R2值取平均得到滚动窗口R2的平均值。
滚动窗口R2的平均值主要用于评估回归模型在不同数据子集上的稳定性和一致性。它可以帮助我们判断模型是否对数据的变化具有较好的适应性。
回归的总R2是指在整个数据集上计算的R2值，它衡量了回归模型对整个数据集的拟合程度。回归的总R2可以用来评估模型的整体性能和预测能力。
滚动窗口R2的平均值和回归的总R2都是评估回归模型性能的指标，但是它们所反映的角度和应用场景不同。滚动窗口R2的平均值更注重模型的稳定性和一致性，而回归的总R2更注重模型的整体拟合能力。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tcaplusdb）
- 腾讯云大数据分析平台（https://cloud.tencent.com/product/emr）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/ddos）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tke）
- 腾讯云元宇宙（https://cloud.tencent.com/product/vr）
相关·内容
1回答
这里有个小问题。 我必须计算60天滚动窗口R2时间序列的平均值。我的时间系列有4680个观察值。 我想知道，R2序列均值是回归的总R2吗？ 示例： Mean( R2序列)=所有样本数据的回归R2
浏览 20提问于2021-01-27得票数 0
回答已采纳
我运行这段代码来生成用于滚动窗口回归的系数、r2、adj.r2和残差。
window <- (13)
ler <- function(j) {
model <- dynlm(y ~ L(y,1) + x1 + x2 + x3, data= dd[(1:window)+j,])
c <- model$coefs
r2<- model$r.squared
a.r2<- model$adj.r.squared
e <- model$residuals
list(c,r2,a.r2,e)
})
out <- pbapply::pb
浏览 10提问于2022-03-05得票数 0
回答已采纳
我正在研究一个回归模型，为了评估模型的性能，我的老板认为我们应该使用这个指标：
总绝对误差均值=均值(Y_predicted)/均值(Y_true)- 1
其中，均值(Y_predicted)是所有预测的平均值，平均值(Y_true)是所有真值的平均值。
我以前从未见过这一指标被用于机器学习，我说服他将平均绝对百分比误差作为一种替代方法，然而即使我的模型在MAPE方面表现得更好，但当我们看总绝对误差平均值时，有些地方表现不佳。
我的直觉是，这个指标显示出真正的准确性是错误的，但我似乎无法理解其中的原因。
总绝对误差是否意味着一个有效的性能指标？如果没有，那为什么？如果是的话，为什么回归模型的精
浏览 0提问于2019-03-30得票数 2
回答已采纳
我运行了下面的代码，得到了系数和r2值的结果，
model <- roll_regres(y ~ x1 + x2 + x3 + x4, Data, width = 15L, do_downdates = FALSE, do_compute = c("sigmas", "r.squareds"))
coef <- outneg$coefs
r2 <- outneg$r.squareds
我需要做的是做德班沃森检验残差？这里的问题是我无法从roll_regres中提取残差。如何获得滚动窗口回归的残值？
浏览 4提问于2022-03-04得票数 0
回答已采纳
1回答
我有一个Pandas的代码，它计算出x窗口上线性回归的R2。参见我的代码： def lr_r2_Sklearn(data):
data = np.array(data)
X = pd.Series(list(range(0,len(data),1))).values.reshape(-1,1)
Y = data.reshape(-1,1)
regressor = LinearRegression()
regressor.fit(X,Y)
return(regressor.score(X,Y))
r2_rolling = df[[
浏览 29提问于2020-06-26得票数 0
回答已采纳
我正在用Mevik (2007)的pls软件包做偏最小二乘回归。具有10折交叉验证的模型如下：
pls.fa <- plsr(FA ~ ., ncomp = xcomp,scale = TRUE, validation = "CV", segments = 10,jackknife =TRUE, data=train)
然后，我可以使用以下命令打印精度，如R2或RMSE：
R2(pls.fa,ncomp=1:xcomp)
其中xcomp是组件的最佳数量。例如，R2的结果如下所示：
Intercept) 1 comps 2 comps 3 co
浏览 7提问于2018-04-23得票数 2
1回答
假设我们用相同数目的特征(例如，简化的2)，对这10倍中的每一个建立一个线性回归模型，因此我们将有10组具有优化值的系数。
每个度量标准(例如，R2)的参数。
最后，我们应该保留什么样的模式？(最好的，平均值
得到了每个参数的平均R2?)谷歌诱拐
浏览 0提问于2019-12-12得票数 0
1回答
Hallo我目前正在用以下代码进行回归分析：
for (i in 1:ncol(Ret1)){
r2.out[i]=summary(lm(Ret1[,1]~Ret1[,i]))$r.squared
}
r2.out
此代码在第一列之前对数据帧中的每一列运行简单的OLS回归并提供这些回归的R^2。目前回归使用列的所有数据点。我现在需要的是，代码不是使用列中的所有数据点，而是使用滚动的数据点窗口。因此，他计算了30天的滚动窗口R^2在整个时间框架内。输出是一个矩阵，每个滚动窗口的每个(1，i)对的所有R^2。
此代码执行滚动回归部分，但不对每个(1，i)对进行回归。
dolm <-
浏览 2提问于2017-08-29得票数 2
回答已采纳
1回答
我正面临一个问题，不同的线性模型从科学学习。这是我的密码
from sklearn.linear_model import LinearRegression
reg = LinearRegression().fit(X_train, y_train)
y_pred = reg.predict(X_train).reshape(-1)
print(f"R2 on train set:{reg.score(X_train, y_train)}")
print(f"R2 on test set:{reg.score(X_test, y_test)}")
print(f
浏览 2提问于2021-11-20得票数 0
我想用sklearn中的决策树回归器进行回归。我的输入数据由多个传感器数据组成，我将时间序列划分为较小的窗口，并计算每个时间窗口和每个传感器的平均值和标准差。该阵列如下所示(以两个传感器和100个时间窗口为例)： features_x = np.array([[x[:,0].mean(), x[:,0].std(), x[:,1].mean(), x[:,1].std()]
for x in np.array_split(train_array, 100)]) 然后我想预测第三个传感器的平均值： features_y = np.array([[x[:,
浏览 43提问于2020-01-21得票数 1
1回答
我相信这是显而易见的，但我是一个R的乞讨者，我花了一个上午的大部分时间试图解决这个问题……
因此，我有24个时间序列的3410个观察值的DF。我想创建一个循环来进行滚动窗口回归。我想在滚动窗口中回归所有自变量DF,2:24与因变量DF,1，并提取R2的时间演化。
我尝试了以下代码，但它不起作用：
resultsList <- list()
for (i in 1:ncol(var)) {
lmfit <- roll_regres(var[,1]~var[,i], var, 126, do_compute = c("sigmas", "r.squared
浏览 1提问于2020-11-17得票数 0
1回答
我想用dplyr，do()和rollapply()做一个滚动逐步回归。我的数据代码如下所示： FUND_DATA <- tibble(
DATE = 1:10,
FUND1 = rnorm(10),
FUND2 = rnorm(10),
FUND3 = rnorm(10),
FUND4 = rnorm(10)) 这些只是1-10期基金的小规模价格。对于独立变量，它看起来是一样的： FACTORS <- tibble(
DATE = 1:10,
x1 = rnorm(10),
x2 = rnorm(10),
x3 = rnorm(10),
浏览 17提问于2020-12-23得票数 2
我有一个包含多个分组变量的数据集，我想在这些变量上运行滚动窗口线性回归。最终的目标是提取具有最小斜率的10个线性回归，并将它们平均起来，以提供一个平均最小变化率。我已经找到了使用rollapply来计算滚动窗口线性回归的例子，但是我想将这些线性回归应用到数据集中的组中，这更复杂了。
这里是一个示例数据集和我的当前代码，它是接近的，而且不完全工作。
dat<-data.frame(w=c(rep(1,27), rep(2,27),rep(3,27)), z=c(rep(c(1,2,3),27)),
x=c(rep(seq(1,27),3)), y=c(rnorm(27,10,3), rn
浏览 4提问于2015-02-03得票数 1
回答已采纳
我对statsmodels RollingOLS的滚动窗口感到非常困惑，这是在中描述的。它提到
估计值对齐，以便使用数据点t、(t+1)、.、(t + windows)估计的模型存储在位置(t + windows)中。
我有一些问题：
Q1:假设我们在t行，如果我设置了RollingOLS(endog, exog, window=60)，它使用的数据来估计模型，该数据有61个观测值，对吗？但这是一个61天的窗口。
Q2:如果我们使用model.params提取估计的系数，t行的系数是使用数据的OLS结果，对吗？
Q3:，如果我在Q2中的猜测是正确的，我们如何解决提到的的滚动问题？那是
浏览 11提问于2021-07-09得票数 0
回答已采纳
1回答
我想对不同的变量进行多重滚动回归。我的数据结构如下：
Prices:
Date Stock1 Stock2 Stock3 Stocki
1990
...
2000 10000 1200 13000 900
2001 90000 1300 12800 920
2002 98000 1280 11900 932
2003 ...
2004 ...
...
2020
带有我想要回归的变量的第二个dataframe具有相同的结构：
Expenses:
Date Stock1 Stock2 Stock3 Stocki
1990
...
2000 5 12
浏览 9提问于2022-06-05得票数 0
我一直在使用星体显示线性回归结果(确实)，但似乎没有命令允许我找到回归的因变量的平均值，例如，与R^2或类似的统计数据一起。
我无法链接数据--但这里有一个示例，说明我希望这个属性在哪里。
mother_employ <- felm(paid_employment ~ treat + is_post + treated_group + age_dv + age_dv^2 + marital_status + educ_levels + nkids_dv + regions + white | year |0|pidp, subset = sex_dv == 2, data)
下面，我使用
浏览 4提问于2022-06-06得票数 1
回答已采纳
1回答
我正在对一组数据进行回归分析，我对此数据集的主要兴趣是找到使估计的平均标准误差最小的回归线(请参见)，而不仅仅是找到最适合的线。我原以为这两件事是一样的，直到我注意到，当我重新计算基于包含新数据集的最佳拟合线时，SEE实际上增加了，而使用旧的回归方程即使包括新数据也会产生较低的SEE。SEE的计算方法如下：
请参见= abs((x1-x0)/x0)
其中x1是估计值，x0是实际值。有没有人知道用R编写代码的方法，以便计算出的回归线最小化平均SEE而不是r2？或者，有没有人知道为什么最优拟合线不能最小化平均值？
浏览 0提问于2015-07-24得票数 2
2回答
滚动最小和滚动最大的C++助推？
、、、、
我有一些代码使用Boost累加器跟踪滚动窗口的平均值--“滚动平均值”。除了滚动平均值外，我还想跟踪这个滚动窗口的最小和最大值。
是否有一种方法来计算滚动最小和滚动最大与一个助推累加器？我看不出有什么办法。
我已经尝试将min和max标记添加到用于rolling_mean的累加器中，但这并不能满足我的需要。
typedef accumulator_set<uint32_t, stats<tag::rolling_mean> > rollingMeanAcc_t;
变成了
typedef accumulator_set<uint32_t, stats<tag:
浏览 4提问于2013-08-09得票数 5
回答已采纳
1回答
这可能是一个过于简单化的问题。
我们正在试图计算我们所有表单的总换算率。我们在GA中设置了事件跟踪，我们对视图和转换的计数非常有信心。
我们组织中的一些人说，取每种表单的转换率的滚动平均值，而有些人则说，取视图和转换的总和，然后用这种方法计算。
对于滚动平均值，数字通常偏高--即使去除了异常值(一个有2个视图和2个转换的表单)。
我知道google通常会查看总体视图，但是我们的营销自动化工具在他们的报告中使用滚动平均值。
哪种更好些呢？
浏览 0提问于2017-06-19得票数 1
2回答
我想计算连续几天的数据的滚动平均值。如果我只使用dataframe.rolling(7)，其平均值是前一周的平均值。相反，我希望白天在窗口的中心，平均值是计算出来的，而不是在最后。有没有一种简单/快速的方法来获得熊猫系列的中心滚动均值？
浏览 10提问于2020-06-08得票数 2
回答已采纳
2回答
我的教授说，“回归的圣杯”是函数E(Y|X=x)，即Y对X的条件期望值。在实践中，你会取X的一个小窗口，并取该窗口内所有观测值的平均值。
教授说，这基本上是你能做的最好的预测，但我们通常不会这么做，因为维数的诅咒降低了它在预测因子#很大时的有效性。因此，局部平均(KNN回归是其中的一种)似乎是好的，很少有预测因子。然而，在大多数文章和stats类中，我总是看到线性回归即使在低维度中也被使用。为什么不经常使用局部平均法呢？
浏览 0提问于2018-09-14得票数 3
1回答
我想用滚动窗口进行回归，但回归后只得到一个参数：
rolling_beta = sm.OLS(X2, X1, window_type='rolling', window=30).fit()
rolling_beta.params
结果：
X1 5.715089
dtype: float64
有什么问题吗？
先谢谢你，罗兰
浏览 0提问于2019-01-11得票数 1
1回答
滚动窗口预测
、、、、
我想用Python的时间序列数据做一个样本外的预测，用宏观经济基本面来预测汇率。 为了评估预测精度，我想应用滚动窗口回归，即每个滚动窗口的连续观察值的数量。因变量是欧元/美元汇率，我的(第一个)解释变量是美国和欧洲之间的利差。时间跨度为1999年1月1日至2019年1月1日。 理论上，首先选择窗口大小，然后选择预测水平，并用RMSE对模型进行评估。 但我不太确定如何在Python中设置滚动回归。 我在不推荐使用的stats/ols模块中使用MovingOLS时遇到了困难。因此，我下载了Pyfinance包，其中包括滚动回归。 但我如何才能将这里的预测期限更改为例如3个月？有没有其他方法/包来
浏览 55提问于2019-05-14得票数 0
1回答
我想将滚动函数应用到一个数据文件，如果当前值是nan，它将返回nan；否则滚动窗口W将跳过 nan值，并应用到W非nan值。例如：
dft = pd.DataFrame({'B': [0, 1, 2, np.nan, 4, np.nan,5]},
index=range(7))
B
0 0.000000
1 1.000000
2 2.000000
3 nan
4 4.000000
5 nan
6 5.000000
对于窗口3的滚动平均值，所需的输出是：
B
0 nan
1 na
浏览 0提问于2019-05-14得票数 0
回答已采纳
1回答
我的数据框架中有一列有一个类别。我知道如何在具有浮动值的列上做滚动平均值：
df['rolling_mean'] = df.categorycolumn.rolling(10).mean()
但我在这一栏中没有数字，只有字母，例如：
A
A
A
A
D
D
D
D
D
S
D
D
D
D
D
我想去掉S，所以我想要做一个滚动平均值，这样它对异常点就不会那么敏感了。有人知道怎么做吗？
祝您愉快，享受阳光(如果有的话)！
附注：实际上，我不是在寻找平均值，而是寻找模式，在某个窗口上最常见的类别值。
所以我的数据框架是这样的：
id category
1 A
2 A
3 A
4 A
浏览 3提问于2022-06-18得票数 0
回答已采纳
1回答
滚动线性回归
、、
我需要一次对X个周期执行滚动线性回归。我有以下熊猫数据框架：
value
0 4354
1 7564
2 657
3 7876
我可以使用scipy对整个数据帧执行线性回归，如下所示：
from scipy import stats
slope, intercept, r_value, p_value, std_err = stats.linregress(df.index, df['value'])
然后为了得到线性回归线，我这样做：
df['linreg'] = intercept + slope * df.index
但我一直不知道如何做滚
浏览 0提问于2015-09-02得票数 1
3回答
条件滚动平均
、、
library(data.table)
set.seed(123)
d <- data.frame(ID = rep(1:5, each = 17), yearRef = rep(1998:2014, times = 5), y = sample(1:100, 17 * 5))
对于每个ID，我希望从1998年开始计算y的7年滚动平均值。但是，条件是在每个滚动窗口中，我只选择最高的5个y值来求平均值。例如
第一个滚动窗口将是
1998-2004 -只计算前5个最高“y”值的平均值
1999-2005 -只计算前5个最高“y”值的平均值。。
2007-2013 -只计算前5个最高“y”
浏览 25提问于2019-10-24得票数 3
回答已采纳
我想在回归表的底部添加一行，用于列出因变量的加权平均值。通常，我会跑
reg y x1 x2 x3
estadd ysumm, mean
eststo r1
esttab r1 using results.tex, replace label title("Title") long nomtitles cells("b(fmt(a3) star)" t(par fmt(2))) stats(r2 N ymean, labels("R-squared" "Observations" "Mean of Y"))
然而，
浏览 10提问于2013-09-17得票数 1
2回答
循环滚动平均蟒蛇
、、、
我试图计算不同窗口大小的滚动平均值。
我有以下工作代码：
df['h1'] = (np.log1p(df['r1']) - np.log1p(df['r2'])) * 100
df['h3'] = df['h1'][beg_date:end_date].rolling(window=3).mean()
df['h6'] = df['h1'][beg_date:end_date].rolling(window=6).mean()
df['h12'] = df['
浏览 4提问于2021-06-21得票数 0
回答已采纳
我有一个庞大的数据集，并希望在60的窗口上执行滚动线性回归。但是，我希望线性回归只考虑以前的60个值。
我的Dataframe由下列列组成：
Date Company Y X1 X2
01.01.2015 Mill 0.13 -1 -3
01.02.2015 Mill 0.16 1 5
01.03.2015 Mill 0.83 3 4
01.04.2015 Mill -0.83 23 4
01.01.1988 Hall 0.23 1 3
01.
浏览 5提问于2017-03-03得票数 2
回答已采纳
1回答
这是我在互联网上发现的R-平方的一个很好的定义。
R-平方是衡量数据与拟合回归线有多近的统计指标。它也被称为决定系数，或多元回归的多重决定系数。R-平方的定义是相当直截了当的；用线性模型解释的是响应变量变化的百分比。或:r-平方=解释的变异/总变异R-平方总是在0到100%之间: 0%表明模型没有解释其平均响应数据的任何变化。100%表明，该模型解释了所有的变化，响应数据周围的平均值。一般来说，R平方越高，模型就越适合你的数据。然而，对于这个指导方针有一些重要的条件，我将在这篇文章和我的下一篇文章中都谈到。
请有人向我解释一下，“响应数据在其平均值周围的可变性”代表什么，以及“用线性模型解释的
浏览 0提问于2019-02-08得票数 0
回答已采纳
1回答
我知道滚动允许您指定用于计算滚动平均值的窗口类型。文档列出了各种可用的窗口类型选项。但是，我正在尝试使用长度为4的对称加权窗口类型，它的定义类似于(并且不是内置的)：
(a + 2*b + 2*c + d)/6
其中a、b、c和d是在任何给定时间滚动窗口的四个元素，并且1/6、2/6、2/6、1/6将是相关的权重。
如果我使用默认的窗口类型(boxcar)，我会得到如下结果：
import pandas as pd
rs = pd.Series(range(10))
print rs.rolling(4, win_type = 'boxcar').mean()
0 Na
浏览 14提问于2018-01-19得票数 3
回答已采纳
1回答
如何计算滚动平均值或移动平均值，其中我考虑了到目前为止看到的所有项目。
假设我有一个数据框，如下所示
col new_col
0 1 1
1 2 1.5
2 3 2
诸若此类。现在我想添加一个新的列，在这个列中我计算到该点之前所有列中所有项目的平均值。指定一个窗口将意味着我将获得前几个窗口作为Nan，然后它只执行滚动窗口。但我需要类似上面的东西。
浏览 0提问于2014-05-18得票数 5
1回答
我正在尝试寻找类似于移动平均值的东西，但不包括前面的一组值，下面的excel工作表快照显示窗口为2的平均值。
我试着在熊猫中使用滚动和扩展命令，但它们包含了之前的值。熊猫还有其他方法可以使用吗？
浏览 1提问于2021-11-26得票数 0
回答已采纳
我想要根据我的时间列t计算2分钟窗口的平均功率，它被设置为索引。
power cadence
t
00:00:00 171.0 74.0
00:00:01 229.0 71.0
00:00:02 229.0 71.0
00:00:03 229.0 71.0
00:00:04 328.0 70.0
... ... ...
01:06:40 0.0 0.0
01:06:41 0.0 0.0
01:06:42 0.0 0.0
01:06:43
浏览 7提问于2022-07-18得票数 0
回答已采纳
1回答
我需要滚动回归输出在每天的基础上。数据集是股票收益率和成交量，模型仅为return=volume。我需要回归系数在过去的30天，每一天进一步的一天，使30天的窗口保持不变。
浏览 1提问于2018-03-01得票数 0
回答已采纳
1回答
海图加窗估计器
、、
我想做一个to图，其中估计器是一个窗口函数，就像滚动的平均值，而不是均值。理想情况下，我希望传递一个滚动平均函数作为tsplot()的tsplot()参数，但是各个时间点被传递到该估计器中。所以，我好像一直在处理我的数据。
对吗？有什么好的方法可以让我忽略这里吗？
浏览 3提问于2015-08-30得票数 2
回答已采纳
2回答
我想在数据框架中的两个变量之间做一个滚动线性回归，并扩展窗口，按第三个分类列分组。
例如，在下面的玩具数据框架中，我希望使用所有行提取lm(y~x)的系数，直到感兴趣的行为止。因此，对于第2行，用于回归的数据集将是行1:2，第3行是行1:3，第4行只是第4行，因为它是具有分类变量z= b的第一行。
dframe<-data.frame(x=c(1:10),y=c(8:17), z=c("a","a","a","b","b","b","b","b","b&
浏览 1提问于2019-12-23得票数 1
回答已采纳
目前，我正试图为SSAS 2008 R2多维数据集创建一个计算量。在一个处理应收账款数据的财务数据立方体中，我有一个“总余额”度量，以及一个“自DOS以来的日子”度量。“DOS后的天数”对用户来说是不可见的，因为它只与其他几个人一起使用才能获得平均值。
我想用新的计算方法来显示自DOS值> 90天以来，总余额的百分比。
例如，如果总余额为1000美元，自DOS > 90天以来记录的总余额为500美元，则90天计算的百分比将显示50%。
用我目前的设置是否有可能做到这一点，如果可以，我将如何编写表达式？
浏览 1提问于2013-12-29得票数 1
回答已采纳
2回答
我正在创建一个脚本，它根据滚动情况找到窗口视图左上角和右下角的坐标。
为了实现这一点，我需要总页面高度/宽度和垂直/水平滚动的数量。
我的问题是，有许多不同的属性可以应用于window、document、body、...etc。我不是在谈论不同的浏览器。
因此，基本上我的问题是：
在没有jQuery的情况下，我能得到页面的总高度/宽度、视口大小和垂直/水平滚动量吗？
提前谢谢你！
我开始使用这里发布的答案：，但我认为这只是整个答案的一部分。
浏览 7提问于2012-11-05得票数 1
回答已采纳
1回答
我已经创建了过去3个月总销售额的滚动平均值。我希望它排除当月。我想我的答案可能是将我写的下面的方法与下面的逻辑结合起来，但我遇到了一些挑战。你能帮上忙吗？ 再一次，我的目标是排除当月。例如，本月计算2019年10月至12月的月度平均值 移动AVG度量： Moving X Months AVG = SUMX(DATESINPERIOD(DSS_DATA[Run_Date],LASTDATE(DSS_DATA[Run_Date]),-3,MONTH),[Total Internal Samples])/3
VAR LastDayofPrevMonth = DATEADD(STARTOFMONT
浏览 22提问于2020-01-21得票数 0
1回答
我的支持向量回归的R2得分是负的。但是当我尝试预测新的结果时，它比其他算法提供了更好的性能吗？负的R2分数不会影响模型的性能吗？
浏览 40提问于2021-06-13得票数 0
我面临的问题是，如何拒绝一个10行的窗口，如果其中一个或多个行包含一个离群点，同时使用python大熊猫计算滚动平均值？
为求澄清：
df = df['speed'].rolling(10).mean()
outlier_lower_bound = 0
outlier_upper_bound = 15
df.max()
现在，如果这10个周期窗口包含一个异常值，我如何拒绝/不考虑它的平均值？
最终目标是得到最大移动平均值，而不考虑/考虑的窗口，10期，如果它包含一个离群点，提前感谢！
浏览 2提问于2020-05-03得票数 0
回答已采纳
如果有DataFrame：
我想在列"A1“和"A2”上创建一个grouped-by，然后在窗口3的"B“上应用滚动平均值。如果可用值较少，也没问题，仍然应该计算平均值。但如果没有原始条目，我不需要任何值。
结果应该是：
应用会产生以下结果：
有什么想法吗？
浏览 18提问于2021-11-18得票数 1
回答已采纳
1回答
我对这里的熊猫很陌生，在这里搜索，但如果是或不可能，我也找不到答案。
到目前为止，我能够计算这样的简单回归(Y= coef1 * A + coef2 * B)的滚动系数：
model = pd.ols(y=df['Y'],x=df[['A','B']],window_type='rolling',window=100)
model.beta返回coef1和coef2的DataFrame。
在状态模型中，我可以进行多项式回归，但是没有滚动窗口选项：
poly_2 = smf.ols(formula='Y ~ 1 + A+ I
浏览 1提问于2014-11-13得票数 3
回答已采纳
3回答
我应该避免rolling和手动代码滚动回归吗？还是我最好创建一个具有重叠条目并使用statsby的巨型面板？也就是说，让每个窗口都有自己的by条目。在R中，我可以预先将数据分割成一个日期框架列表，我认为这会加快后续操作的速度。
一个月前，当我第一次从R转到Stata时，我和大家的共识是，这应该需要很长的时间。我在Mata中编写并编译了OLS，注意到速度没有提高(实际上，略有恶化)。
这似乎是滚动回归是一种常见的技术，而Stata似乎相当复杂；大多数研究人员是否在1+天运行这些回归？或者他们使用SAS进行这些计算？例如，从1975年到2010年，我在Compustat数据库上运行了以下操作(大约
浏览 3提问于2011-10-11得票数 1
回答已采纳
1回答
我有一个基于日期和时间的多个索引(按时间分组)。数据如下：
r2 var_v2x _s
date time
2017-10-02 08:05:00 0.00000031 0.00008784 0.00353914
2017-10-03 08:05:00 0.00000008 0.00009055 0.00085233
2017-10-04 08:05:00 0.00000000 0.00018774 0
浏览 0提问于2018-09-21得票数 1
回答已采纳
我正在使用BackstopJS进行可视化回归测试。Backstop使用Puppeteer作为测试引擎。有些截图是不一致的，因为当Puppeteer拍摄截图时，视区正在调整大小。我的应用程序会在调整视区大小时显示动画。有什么办法可以解决这个问题吗？
我已经尝试增加窗口和视区的大小，这样就没有元素在屏幕外，木偶也不需要调整窗口的大小。我还尝试将x和y的窗口滚动高度设置为0。
浏览 2提问于2019-01-26得票数 0
1回答
我试图根据另一列中的条件计算特定列的滚动平均值。条件是为A栏建立三种不同的滚动方式，如下所示-
当B列的2The轧制均值小于A的轧制均值时，A的滚动均值小于A的滚动均值，当B列B等于A<code>E 215</code>E 215</code>当列<code>E 116<//code>B大于2时
考虑下面的df，窗口大小为2
A B
0 1 2
1 2 4
2 3 4
3 4 6
4 5 1
5 6 2
输出如下-
rolling less rolling e
浏览 2提问于2022-01-10得票数 0
我试图从单个数据集创建OLS Beta参数估计滚动平均值的时间序列图。我需要用OLS回归数据的第1-36行，找到Beta参数估计，然后再用第2-37行这样做，以此类推。一旦完成，我需要在一个图表中画出这些点。我无法找到一种方法来自动化这个过程，为每个数据分段寻找OLS Beta估计。有人有什么想法吗？
谢谢!
浏览 5提问于2022-05-09得票数 0
回答已采纳
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
腾讯云开发者
