回答情况：
提问时间：
问题标签：
传统的p阶时间序列模型考虑的时间周期小于或等于p，我想知道是否有一个考虑时间大于或等于p的模型。
然而，我想要一种形式上的模式：为什么我需要它？假设我想要一个时间序列模型，它可以提前3天预测某件事情。第三订单的传统模式对我没有帮助，因为它还需要前天和前天的价值观。
浏览 2提问于2020-06-04得票数 0
回答已采纳
2回答
我想知道测试时间序列模型的好方法是什么。假设我在时域t1，t2，...tN中有一个时间序列。我有输入，比如说，zt1，zt2，...ztN和输出x1，x2...xN。
浏览 0提问于2011-01-24得票数 2
回答已采纳
1回答
为了预测新的价值，我为时间序列建立了一个模型。更好的标准是AIC和BIC，还是预测误差之间的比较？在最后一种情况下，我必须在训练和测试中拆分dataset，而在第一种情况下没有必要，这减少了实现的时间。
谢谢!
浏览 0修改于2018-04-19得票数 0
回答已采纳
1回答
我想用dplyr预测几个模型。模型是根据时间序列数据拟合的，所以每小时都是自己的模型。小时=1是模型，小时= 18是模型。# Historical data - Basis for the models: hour = factor(rep(1:24, each = 100)), wind = runif(2400, min = 0, max = 2500),
temp = runif(2400, min
浏览 3修改于2015-01-06得票数 3
回答已采纳
2回答
我想回答以下问题，我知道我可以使用arima.sim函数，但我不确定如何模拟被问到的模型：yt =α+βt+φyt−1 +εt，εt∼IIDN(0,1)在每次模拟之前，我们应该将种子设置为100,000。假设初始值为y0=0，并获得500个观察值。我尝试了以下方法，但似乎不起作用：e <- rnorm(500)我必须模拟4个不
浏览 18提问于2020-03-10得票数 0
回答已采纳
在我的论文项目中，我试图应用粒子过滤器来预测地下水位，该过滤器使用天气预报数据(特别是降雨和蒸发的毫米)。作为粒子过滤过程的一部分，我需要根据这个天气预报数据对地下水位进行预测，我想用一个过去的模型来做。import pastas as ps
model = ps.Model(gwml_train.gws)
rain = ps.StressModel(wm_train.RH, ps.Gamma, name='rain', settings="
浏览 10修改于2020-04-23得票数 1
1回答
我在网上阅读了很多关于参数样本、时间步骤和特性的资源。我想澄清两件事：1 0.1 0.0 2 0.2 0.1 3 0.3 0.2 4 0.4 5 0.5 6 0.6 7 0.7 8 0.8 0.9 0.9 0.8让我们说，我有一个有50行9列的dataframe (这将是特性fet1、.、fet9)。但是，它们实际上是三天的三胞胎，因此实际上序列类似于day1_fet1,
浏览 3修改于2020-05-10得票数 1
1回答
我在试着预测谷歌的股价。我已经建立了两个模型，一个使用LSTM，另一个使用双向LSTM，但是预测值与测试值不太一致。我尝试过不同的参数，但几乎没有任何改进。!pip install yfinanceimport matplotlib as mplimport numpy as npimport
浏览 0提问于2022-06-18得票数 1
1回答
我在多个地点有超过一周的数据，我现在想要拟合一个时间序列模型来预测我所在地点的最高温度，但是我的预测只给了我一个平均值，而不是一个星期的值来拟合一个时间序列，这就是我想要的。
浏览 1提问于2022-08-14得票数 -2
我需要使用StatsModels运行时间序列模型，它要求我的索引是日期。然而，目前我的日期都是字符串形式。有没有什么快速的方法可以将日期转换成statsmodel时间序列模型所满足的格式？
浏览 0提问于2017-01-23得票数 1
我建立了一个时间序列模型，对具有年度季节性的作物科学数据进行月度观测(2012至2018年的月度观测值)。购买植保产品的农民还取决于降雨时间。同样的产品在11月份、12月份和1月份也有高峰。
浏览 1提问于2019-12-19得票数 0
我有一个值的时间序列，频率相当高(15分钟)。timeseries没有缺少值，并显示了一些每日和每周的周期性组件。下面是我的代码，使用一个可以下载的示例数据集：library(fable)library(lubridate)
download.file("https://srv-file7.gofile.io/download/9yo0cg/so_data.csv", destfile = "so_data
浏览 2修改于2019-10-17得票数 2
回答已采纳
1回答
使用Python，我试图使用历史销售数据来预测产品的未来销售额。我还试图预测不同类别的产品的数量。Date Sales_count Department Item Color
如果我想构建一个使用历史数据(时间)来预测每个部门/项目/颜色组合的sales_count的模型，那么最好的模型是什么？我会用多元线性回归，把不同的类别当作自变量吗？
浏览 0修改于2018-08-22得票数 2
在这种情况下，我们必须再次手动分析数据，并选择正确的时间序列模型进行拟合。我们已经使用的简单的ARMA模型不会给出预期的预测结果。 我们可以以应用程序的CPU使用率预测为例。最初的使用可能是固定的。
浏览 10提问于2019-12-19得票数 0
对于我的一个客户，我需要用简单的话来解释全局模型的概念。到目前为止，寻找这个概念的简单介绍失败了。我所能找到的只是科学研究，主要是关于他们相对于当地模式的优势。就数据对象和循环函数而言，这种全局预测究竟是如何发生的？我想解释一下，为什么它比本地模型要快得多，为什么推荐对类似时间序列组的聚类进行预测，以达到更
浏览 0提问于2022-01-24得票数 1
2回答
我是ML领域的新手。所以，如果我在某个地方错了，请忽略或纠正。目前正在为时间序列数据进行模型培训。我的问题是更具体的自行车共享。我有每个地区和每一种自行车类型(齿轮，没有齿轮.)的自行车共享数量。每一天。Date BikeType Area BikeCount1/1/19 WithoutGear 1 151/1/19 WithoutGear 2 12
2/1/19 Gear 1
浏览 0修改于2020-01-17得票数 3
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号