我有一个XTS数据帧，其中我试图将线性模型拟合到一组未来日期。我将数据帧划分为过去和现在(出于其他原因)，并按如下方式拟合线性模型 lin_mod <- lm(PastExchg ~ Time, data = BackDF) 这很好。但是，当我尝试使用Time列上的predict对未来数据进行预测时，我得到了一个错误 ForwDF$pred <- predict(lin_mod, newdata= ForwDF$Time) 我怀疑这可能与05 4.5304 2004-07-0
浏览 11提问于2020-10-06得票数 2
回答已采纳
1回答
作为我工作的一部分，我需要用R来评估时间序列数据的不同预测模型，并选择误差最小的预测模型。为此，我想知道如何使用线性回归(LR)方法对时间序列进行预测。在时间序列中，我们通常只有一列连续的数据，但是要使用LR，我们至少需要两个变量，比如y=Beta0+Beta1*x，我有每月的销售数据(X)，但是如何让y变量使用LR。
浏览 5提问于2017-10-25得票数 1
回答已采纳
1回答
有谁知道可以将线性回归模型和时间序列模型结合起来的预测模型吗？
我有一些关于某些产品的数据。这些数据有两个部分，一部分是关于产品本身的属性，另一部分是每个产品每月销售额的一些时间序列数据。我们希望对每一种产品的每月销售量进行预测.利用产品属性数据，我们可以建立一个回归模型，或者svm模型，来预测销售额。对于时间序列</e
浏览 0提问于2015-12-09得票数 4
1回答
回归方法
、
我知道最小二乘法，你可以用它建立一个线性和非线性的模型并进行预测。
ARMA模型用于预测平稳时间序列，ARIMA模型用于非平稳时间序列。当大量的数据和符号被使用时，神经网络。对于时间序列，LSTM很受欢迎。什么方法适用于解决多元回归问题？在什么情况下我应该使用什么方法？
浏览 0提问于2019-08-10得票数 1
回答已采纳
我们如何用R中的线性模型方法对单变量季节性时间序列进行估算？它应该考虑季节性，最好是趋势。我曾使用函数进行预测，但不知道有类似的函数进行估算。
浏览 9提问于2016-04-11得票数 2
回答已采纳
2回答
商品的销售预测
、、、、
因此，我一直在尝试实现我的第一个算法来预测单个产品的(销售额/月)，我一直在使用线性回归，因为这是推荐给我的。我使用过去42个月的数据，前34个月作为培训集，其余8个月作为验证。我一直在尝试使用四个特性来开始：该产品在当月销售的平均价格前一个月售出的数量📷到目前为止，
浏览 0提问于2017-03-23得票数 3
回答已采纳
1回答
在这篇关于静态和差异的链接中，人们提到像ARIMA这样的模型需要一个平稳的时间序列来进行预测，因为它的统计特性如均值、方差、自相关等随着时间的推移是恒定的。由于RNN具有更好的学习非线性关系(如下所述:递归神经网络在时间序列预测中的应用前景)的能力，并且在数据大的情况下比传统的时间序列模型表现得更好，因此了解平稳数据对其结果的影响是非常必要的。我需要知道的问题如下
浏览 0提问于2017-11-16得票数 33
回答已采纳
工作类型[T1,T2,T3,...Ti]号码<int>状态[S1,S2,S3,...Si]
在给定的Status中，我可以使用什么来预测
浏览 0提问于2020-05-09得票数 1
3回答
我正在处理极坐标中的时间序列，并且我正在应用卡尔曼滤波器进行预测。时间序列与卫星轨道有关。 f(r,theta) <- [r*cos(theta),r*sin(theta)].
但我不知道如何处理方差，因为它不是线性算子。1.53799655
浏览 1提问于2013-05-16得票数 1
2回答
假设我想预测去医院就诊的人数。我已经有了每天去医院的人数的历史记录，简单神经网络(MLP)很好地捕捉到了这一点。我正在查看的各种R包似乎不允许我提供原始时间序列数据之外的第二个特性。
有什么建议吗？
浏览 8提问于2018-12-05得票数 0
我使用R从Excel读取时间序列(使用XLConnect)，然后对该时间序列运行一些预测模型，然后将结果输出到Excel。这是一个很长的故事，但公司，我正在做硕士的研究，希望继续使用Excel！无论如何，我可以从Excel中提取我想要的时间序列。我用ts()使它成为一个时间序列。然后，我使用(按这个顺序) ets()、auto.arima()、tbats()、mapaest()、t
浏览 1提问于2016-09-23得票数 1
正如标题中所说的，平稳性和低自相关性是一般/线性回归模型的前提吗？也就是说，如果一个时间序列是非平稳的或者具有很大的自相关性，那么用线性模型和深度学习等回归模型来预测会更容易还是更难呢？
浏览 0提问于2019-12-11得票数 4
回答已采纳
2回答
我需要建立一个预测模型的基础上，一些历史数据从网站的用户登录系统。假设我的数据集有一些特性，比如用户登录时间和特定用户每天的注销时间。对于特定的用户，一天中登录和注销时间可以是多个。现在，从登录和注销时间，我需要找出有效的时间，用户登录到网站，以及预测不活跃的时间，其中用户没有可用/存在于网站。我该怎么做？在这种情况下，我应该使用哪种算法，哪些预测模型(线性回归/
浏览 0提问于2018-11-08得票数 1
回答已采纳
1回答
我训练了一个线性回归模型，以多输出的方式进行预测。这是一个时间序列预测问题，它根据一组投入来估计未来12个月的需求。在过去--如果我只是预测一个产值--我会简单地调用以下命令来访问模型的贝塔系数：model.fit(X, Y)
weights = pd.DataFrame(regression.coef_, X.columns, columns=['Coefficien
浏览 1提问于2019-09-16得票数 1
回答已采纳
2回答
我有一个时间系列数据集，记录一些参与者的日常特征，从可穿戴感应器和他们的日常情绪状态。有人告诉我，因为我使用的是时间序列数据集，我试图做一个预测任务，随机调整数据会导致一些未来和过去的混淆，这使我的模型变得毫无意义。然而，我认为我仍然可以使用随机改组数据集的策略，因为学习模型</em
浏览 0提问于2019-06-21得票数 10
回答已采纳
1回答
将R模型序列化为JSON
、、、
有什么好的R包可以将预测模型和其他复杂对象转换成JSON吗？我从这个例子中得到了线性回归模型：newdata = data.frame(waiting=80)我希望将eruption.lm模型序列化为JSON存储在某个地方，或者将其发送到某个外部系统，然后反序列化并进行</
浏览 5提问于2016-05-15得票数 5
回答已采纳
我有三个月的销售(分店)，我想预测下个月的销售量.在几个月内，总销售额之间存在着巨大的差异。这个月预测下个月销售量的简单平均数是没有价值的。德尔塔(每月更换销售)在月份之间是重要的，并考虑到。
浏览 0提问于2018-07-27得票数 0
但是我们没有从这个系列中创建一个时间序列，因为还有许多其他特性不像标签，也是模型中的重要特性。现在，请考虑使用过去的标签作为普通功能，而没有时间序列方法.。我试着预测一个月的数据，这是一个月，因此一个时间序列，但我没有使用它作为一个时间序列，它只是每月的各种不同功能的数据。
这是一个分类模型，现在我想预测这个时间序列中选定月份的标签列。我的<em
浏览 3提问于2019-12-02得票数 1
回答已采纳
我正在做一个预测项目。在检查了我的时间序列之后，我决定通过使用R的预测包的BoxCox函数来应用线性变换。 此函数创建了一个输出变量，其中包括我转换后的数据。之后，我建立了ARIMA模型来预测未来的价值。然而，这些预测的规模也发生了变化。由于BoxCox函数使用精确的lambd值进行计算，我无法指定我的级数的函数形式(例如，我不能说转换是否是对数的)。因为我需要以原始规模报告预测值。
浏览 47提问于2019-03-12得票数 2
回答已采纳
我正在尝试预测一个类似下面的auto.arima()模型。
一般来说，我想知道是否有必要在将时间序列传递给auto.arima()之前将其转换为类似于正态分布的时间序列。同样，如果你的xreg=...预测器与你试图预测的时间序列的滞后相关，或者反之亦然，这有关系吗？
浏览 0提问于2016-03-17得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
