Questions marquées «time-series»

8

Comment effectuer une SVD pour imputer des valeurs manquantes, un exemple concret

J'ai lu les excellents commentaires sur la façon de traiter les valeurs manquantes avant d'appliquer SVD, mais j'aimerais savoir comment cela fonctionne avec un exemple simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Étant donné la matrice ci-dessus, si je...

r missing-data data-imputation svd sampling matlab mcmc importance-sampling predictive-models prediction algorithms graphical-model graph-theory r regression regression-coefficients r-squared r regression modeling confounding residuals fitting glmm zero-inflation overdispersion optimization curve-fitting regression time-series order-statistics bayesian prior uninformative-prior probability discrete-data kolmogorov-smirnov r data-visualization histogram dimensionality-reduction classification clustering accuracy semi-supervised labeling state-space-models t-test biostatistics paired-comparisons paired-data bioinformatics regression logistic multiple-regression mixed-model random-effects-model neural-networks error-propagation numerical-integration time-series missing-data data-imputation probability self-study combinatorics survival cox-model statistical-significance wilcoxon-mann-whitney hypothesis-testing distributions normal-distribution variance t-distribution probability simulation random-walk diffusion hypothesis-testing z-test hypothesis-testing data-transformation lognormal r regression agreement-statistics classification svm mixed-model non-independent observational-study goodness-of-fit residuals confirmatory-factor neural-networks deep-learning

8

Désaisonnalisation des données avec une analyse de Fourier

J'ai des données qui ont deux comportements sous-jacents. Il y a d'abord une périodicité. Cela ressemble à une courbe sinusoïdale. Deuxièmement, les points de données connaissent une croissance constante. Donc, si j'ai 100 points de données sans croissance, cela ressemblera à une courbe...

time-series seasonality trend fourier-transform

8

RNN apprenant les ondes sinusoïdales de différentes fréquences

Comme échauffement avec des réseaux de neurones récurrents, j'essaie de prédire une onde sinusoïdale à partir d'une autre onde sinusoïdale d'une autre fréquence. Mon modèle est un simple RNN, sa passe avant peut s'exprimer comme suit: rtzt= σ(Wje n⋅Xt+Wr e c⋅rt - 1) )=Wo u...

regression time-series neural-networks deep-learning rnn

8

Utilisation des erreurs standard HAC bien qu'il puisse n'y avoir aucune autocorrélation

J'exécute quelques régressions et, comme je voulais être du bon côté, j'ai décidé d'utiliser des erreurs standard HAC (hétéroscédasticité et autocorrélation cohérentes) tout au long. Il peut y avoir quelques cas où la corrélation série n'est pas présente. Est-ce de toute façon une approche valable?...

time-series least-squares standard-error robust robust-standard-error

8

Tendance des données de séries chronologiques irrégulières

J'ai un ensemble de données de mesures de la température de l'eau prises à partir d'un grand plan d'eau à intervalles irréguliers sur une période de plusieurs décennies. (Galveston Bay, TX si vous êtes intéressé) Voici la tête des données: STATION_ID DATE TIME LATITUDE LONGITUDE YEAR MONTH DAY...

time-series seasonality trend unevenly-spaced-time-series

8

Pourquoi le premier vecteur propre de l'ACP ressemble-t-il au dérivé d'une tendance sous-jacente?

J'utilise l'ACP pour analyser plusieurs séries temporelles spatialement liées, et il semble que le premier vecteur propre correspond à la dérivée de la tendance moyenne de la série (exemple illustré ci-dessous). Je suis curieux de savoir pourquoi le premier vecteur propre se rapporte à la dérivée...

time-series pca spatial eigenvalues

8

Détection d'anomalies sur séries chronologiques

Je suis un débutant utilisant l'apprentissage automatique (j'ai terminé le cours de Ng), j'utilise scikit-learn en python. Je veux trouver le meilleur moyen de détecter les anomalies dans notre système. Nous avons des événements en cours qui se produisent à un horaire (toutes les quelques minutes /...

time-series python scikit-learn anomaly-detection

8

Une autocorrélation négative aux retards 1 et 2 peut-elle se produire?

Je fais juste quelques jeux d'esprit en passant par mes notes de statistiques ... J'ai vu des ACF autour avec des valeurs négatives aux retards 1 et 2 - je peux avoir un esprit vide ici, mais un AC négatif élevé au retard 1 n'impliquerait pas une série comme (-1,1, -1,1, ...), et en tant que tel,...

time-series correlation autocorrelation

8

Pourquoi la somme des échantillons d'autocorrélations d'une série stationnaire est-elle égale à -1/2?

Je ne peux pas saisir ma tête autour de cette propriété des séries stationnaires et de la fonction d'autocorrélation. Je dois prouver que ∑h=1n−1ρ^(h)=−12∑h=1n−1ρ^(h)=−12\begin{align} \sum_{h=1}^{n-1}\hat\rho(h)=-\frac{1}{2} \end{align} Où et est la fonction

time-series autocorrelation stationarity

8

Comment créer une chaîne de Markov avec une distribution marginale gamma et un coefficient AR (1) de

Je veux générer une série chronologique synthétique. La série chronologique doit être une chaîne de Markov avec une distribution marginale gamma et un paramètre AR (1) de . Puis-je le faire en utilisant simplement une distribution gamma comme terme de bruit dans un modèle AR (1), ou dois-je...

time-series markov-process gamma-distribution autoregressive

8

Comment utiliser l'AIC ou le BIC à la place de la séparation train / test?

J'ai récemment rencontré plusieurs sources "informelles" qui indiquent que dans certaines circonstances, si nous utilisons l' AIC ou le BIC pour former un modèle de série chronologique, nous n'avons pas besoin de diviser les données en test et en formation - nous pouvons utiliser tous les données...

time-series cross-validation aic train bic

8

Le mythe de la prévisibilité à long terme

J'ai récemment découvert un article fascinant sur la prévision des rendements futurs du marché boursier. L'auteur présente le graphique ci-dessous et cite un R ^ 2 de 0,913. Cela rendrait la méthode de l'auteur bien supérieure à tout ce que j'ai jamais vu sur le sujet (la plupart soutiennent que le...

machine-learning time-series forecasting predictive-models

8

Comment représenter correctement les variables de différence dans les DAG?

Si je suis intéressé par les effets causals du changement d'une variable ( ) sur certains résultats ( ), comment pourrais-je représenter cela dans un graphique acyclique dirigé (DAG)?EEEOOO Supposons que , où et se produisent aux moments 1 et 2, un DAG correct serait-il: ΔE2=E2−E1ΔE2=E2-E1\Delta...

time-series dag

8

Sur-ajustement exprès

Serait-il sensé d'équiper un modèle à dessein? Disons que j'ai un cas d'utilisation où je sais que les données ne varieront pas beaucoup en ce qui concerne les données de formation. Je pense ici à la prévision du trafic, où l'état du trafic suit un ensemble fixe de modèles trajet du matin activité...

machine-learning time-series forecasting prediction overfitting

8

La valeur absolue d'une série stationnaire est-elle également stationnaire?

Je sais que les transformations linéaires des séries temporelles résultant de processus (faiblement) stationnaires sont également stationnaires. Est-ce vrai, cependant, pour une transformation d'une série en prenant également la valeur absolue de chaque élément? En d'autres termes, si est...

time-series data-transformation stationarity

8

Les modèles d'AMM non inversibles impliquent-ils que l'effet des observations passées augmente avec la distance?

Mise à jour (2019-06-25): changer le titre de "Les modèles MA non inversables ont -ils du sens?" pour le distinguer de la question 333802 . Lors de l'examen des modèles MA ( ), je suis tombé sur ces diapositives (Alonso et Garcia-Martos, 2012). Les auteurs affirment que, alors que tous les...

time-series moving-average