首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏DeepHub IMBA

    自回归滞后模型进行多变量时间序列预测

    本文将介绍可以通过一种称为自回归分布滞后(ARDL)的方法来做到这一点。 Auto-Regressive Distributed Lag ARDL模型采用自回归。 当然ARDL方法也适用于零售以外的其他领域。 转换时间序列 首先使用下面的脚本转换时间序列。 ARDL 的扩展 多个目标变量预测,目前为止,我们都在预测单个变量(sparkling wine)。如果我们想要同时预测几个变量呢? 这种方法被称为:向量自回归 (VAR) 就像在 ARDL 中一样,每个变量都是根据其滞后和其他变量的滞后建模的。当想要预测多个变量而不仅仅是一个变量时,将使用 VAR。 与全局预测模型的关系 值得注意的是,ARDL并不等同于全局预测模型(Global Forecasting Models)。 在ARDL的前提下,每个变量的信息被添加到解释变量中。

    1.5K50编辑于 2023-01-18
  • 来自专栏DeepHub IMBA

    多元时间序列特征工程的指南

    自回归模型 时间序列是多元的,所以可以使用ARDL(Auto-regressive distributed lags)方法来解决这个任务。我们在之前也介绍过则个方法。

    1.2K10编辑于 2023-02-01
  • 来自专栏全栈程序员必看

    【Ruby】【改gem源镜像】【Win10 + Jruby-9.1.2.0 + Rails 5.1.3 + gem 2.6.4 】

    mZb3Kyeb1STMHd3BOuCYRLDE5D53sXOpZCz2HAF8P11F hcCF5yWPldwX8zyfGm6wyuMdKulMY/okYWLW2n62HGz1Ah3UKt1VkOsqEUc8Ll50soIipX1TH0Xs J5F95yIW6MBoNtjG8U+ARDL54dHRHareqKucBK

    1.2K20编辑于 2022-09-06
领券