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DeepHub IMBA
基于网格搜索与分段回归的时间序列变化点检测方法
加载所需的库： library(dplyr) library(tsibble) library(plotly) 引入一组辅助函数，其中包括网格搜索函数 piecewise_regression ca_natural_gas_consumers.csv" ts <- read.csv(path) |> arrange(index) |> filter(index > 1986) |> as_tsibble (index = "index") ts |> head() 序列为年度数据，index 列是时间戳，y 列是数值： # A tsibble: 6 x 2 [1Y] index
6400编辑于 2026-03-31
来自专栏R语言数据分析指南
R语言进行时间序列分析和预测
library(tidyverse) library(stringr) library(janitor) library(tsibble) library(ggtext) library(bsts)
72820编辑于 2023-09-25
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）
tidyquant) library(tsfeatures) library(rsample) library(purrr) library(stringr) library(tibbletime) # tsibble from = start_date, to = end_date, src = "yahoo") ## [1] "SPY" #detach("package:tsibble ", unload = TRUE) # tsibble clashes with the base R index() function SPY$ret_Rb <- Delt(SPY$SPY.Adjusted
3.9K41发布于 2020-09-14
来自专栏时序预测
时间序列：18个时间序列特征提取高效方法
对于 R 用户，feasts 包提供了 tsfeatures 与 tsibble 和 tidyverse 的集成，并扩展了额外功能。
2.2K10编辑于 2025-05-09
来自专栏拓端tecdat
非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化
tibble) %>% ~exp( newdata = .y)) )) %>% tidyr::unnest%>% as_tsibble ##绘制数据 ggplot() + geom_line
1.9K10编辑于 2021-12-21

基于网格搜索与分段回归的时间序列变化点检测方法

R语言进行时间序列分析和预测

MLQuant：基于XGBoost的金融时序交易策略（附代码）

时间序列：18个时间序列特征提取高效方法

非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐