搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏拓端tecdat
时间序列分解和异常检测方法应用案例
输入anomalize：一个整洁的异常检测算法，该算法基于时间（建立在之上tibbletime）并可从一个到多个时间序列进行扩展！我们非常高兴能够为其他人提供这个开源R软件包以使其受益。的frequency和trend参数是基于使用所述时间序列的时间尺度（或周期性）自动设置tibbletime在引擎盖下基于函数。引擎盖下，time_frequency()以及time_trend()基于时间段将这些使用数值tibbletime！余数的异常检测下一步是对分解的数据执行异常检测，特别是“余数”列。基于时间：整个工作流程使用tibbletime基于时间的索引设置数据。这很好，因为根据我们的经验，几乎所有时间数据都带有日期或日期时间戳，这对数据的特征非常重要。我们设置time_decompose()处理frequency和trend使用基于时间的跨度，例如“1周”或“2季度”（由...提供tibbletime）。
1.7K30发布于 2020-08-02
来自专栏量化投资与机器学习
MLQuant：基于XGBoost的金融时序交易策略（附代码）
tidyr) library(tidyquant) library(tsfeatures) library(rsample) library(purrr) library(stringr) library(tibbletime
3.7K41发布于 2020-09-14