回答情况：
提问时间：
问题标签：
1回答
我一直试图建立一个具有协变量的ts预测模型，模型R代码如下：library(readxl)library(forecasttest data:然而，我一直试图预测零售额该模型只生成以下结果：请告知我如何才能使我的模型预测到end = c(2019,12)。我漏掉了什么？
浏览 0修改于2020-01-13得票数 1
1回答
我每天都有一年以上的产品使用时间序列。产品使用呈现季节性，即在这段时间内，它的使用增加/减少了比正常使用更多。当我得到今天的数据及其超出正常值时，我想检查它是否具有季节性，并采取相应的行动。
浏览 0修改于2016-03-22得票数 0
2回答
我有一个输入序列和目标序列。然而，目标序列落后于输入3步。我还可以使用narx或其他网络吗？
Input:x(t-1)|?
x(t-2)|?在我的训练过程中，我提前得到了y(t-2)，y(t-1)，y(t)，但当我在现实生活中进行预测时，这些值只在3步之后才可用，因为我是从接下来的3个输入中计算y的。
浏览 0提问于2012-04-13得票数 0
1回答
我正试着预测另一个意甲的时间。我的方法是基于一个移动的窗户。我从以下特性预测serie的输出值:源serie的前一个值和6个过去值。6个月时间窗法的警告是什么？有关于时间序列特征选择的不同方法的论文吗？
浏览 0提问于2014-12-28得票数 5
回答已采纳
2回答
25,20,18,15,5,0,0,0,10,15,30,40,45,34,26,20,10,7,4,4,15,34,57,62))
这是我得到的图表：什么是一个好的预测模型(红色表示最大，蓝色表示最低，线条创建使用油漆解释一个点)另一种方式，我不知道它是什么，但我想他们用它来预测天气，不确定得到下面的蓝线的公式会是什么样子。(为了更好地理解，请看下面的图表)
什么是合适的公式，以获得蓝色拟合线和
浏览 0修改于2019-04-04得票数 1
回答已采纳
1回答
我有一个时间序列数据集，包含7个分类特征(姓名)，每个数据集都有3个-5个数字特征(每个人的活动结果)，按个月计算。是否可以根据选定名称的值创建预测"Y“的模型。例如:约翰+杰克= Y？
浏览 0提问于2017-10-09得票数 -1
show_metric=True)model.save('ModeSpot.tflearn')
我现在遇到了一个问题，我发现做时间序列预测的大部分教程都使用了测试集来预测问题是，实际上我们并不知道这一点，因为这是我们想要预测的。如何预测下一个x值？我想我在某个地方看到过，为了预测T的值，我必须使用T-1的值进行预测(然后T表示T+1，类似这样
浏览 2提问于2017-07-27得票数 1
回答已采纳
2回答
2010-01-07,23.1,50,0,12010-01-09,26.6,23,0,1这个数据集的标签(我想预测的变量)是：(布尔值)现在，我想实现机器学习，从这个数据集预测未来的时间框架。
浏览 0修改于2017-07-21得票数 0
回答已采纳
3回答
我正在学习本教程，我想知道如何将其映射到多时间序列输入。我有几个时间序列的数据集，我想为每个时间序列预测未来。我不知道如何将LSTM扩展到多个时间序列。这样做的目的是避免为每个时间序列建立模型，因为我有40k的时间序列。
谢谢
浏览 3提问于2018-04-12得票数 0
1回答
530.02020-10-12 -859.0
Name: hospitalizedIncrease, dtype: float64 我想使用ARIMA模型预测时间序列我不明白为什么它会预测这个系列的开始，我做错了什么？
浏览 18提问于2020-10-19得票数 0
2回答
你有时间序列的每个他们的行为使用这个应用程序。如何使用这些时间序列来预测新用户的未来行为？
直观的解决方案是以用户的工程师行为为特征，并使用它来训练模型，比如应用程序中的平均每周分钟数等等。我想知道的是，是否有更好的技术来聚合大量的时间序列数据来建立一个预测模型。也许LSTM会起作用，但它似乎不能捕捉数据集的细微差别，而且我不认为它们通常用于聚合各种单个样本的预测。
浏览 0提问于2018-05-02得票数 5
1回答
所以我试着用Apache的时间序列数据来预测电力消耗。我每15分钟有一次观察我试过LinearRegression，Decision trees等，我总是能得到巨大的MSE (788)。但是，如果我使用KNIME并尝试时间序列的例子，但是对于我的数据，它们没有考虑日期和时间，而是延迟了每个观察的功耗。有人能描述一下对时间序列数据做好预测的过程吗？最后，我想输入一个日期和时间<
浏览 2修改于2017-07-21得票数 4
我想预测事件( X )发生的时间，因为我怀疑几个时间序列与X的时间相关。我的模型将接受完整的时间序列作为输入，并为事件X预测发生的时间输出一个值。请注意，我不是试图预测未来事件的时间，而是预测过去事件的时间。当使用该模型时，我将访问整个时间序列。下面简要介绍一下这些数据的外观：我的数据集包含许多示例，如上面的示例，即设置窗
浏览 0修改于2020-09-04得票数 0
我正在做一个价格走势预测的项目，我被糟糕的质量预测卡住了。
在每个时间步，我都使用LSTM来预测接下来的10个时间步。输入是最近45-60个观察值的序列。对于每个想法，我尝试了一个模型，每次预测一个步骤，其中每个预测被反馈为下一个预测的输入，以及一个直接预测下10个步骤(多个输出)的模型。对于每个想法，我还尝试只使用以前价格的移动平均值作为输入，并扩展输入以在这些时间步骤输入订单簿。每个时间
浏览 2提问于2018-11-01得票数 1
1回答
编辑：这是在预测、原则和实践中给出的公式。据我所读，在乘数季节性的情况下，趋势和水平似乎并不是相乘的。在状态模型库中，趋势和季节性都可以被选择为乘性或加性。
浏览 0修改于2019-06-05得票数 1
1回答
因此，我加载并预处理了我的数据，以便进行时间序列预测。我已经建立了一个模型，但现在我不知道如何真正地训练它。我做了一些研究，但没有关于如何具体训练时间序列预测模型的深入教程。
浏览 1修改于2020-05-27得票数 0
回答已采纳
1回答
我正在尝试预测接下来的4个时段的来电数量。虽然我的预测显示了未来4个时期的相同数字，但我对哪里错了感到有点困惑。379587/1/2018 422219/1/2018 35328
10/1/2018 37687 尝试使用R预测未来我如何计算未来4个月的预测？
浏览 11修改于2019-04-17得票数 0
4回答
是否有方法从LSTM (或其他递归)神经网络计算时间序列预测的预测区间(概率分布)？例如，我预测未来将有10个样本(t+1到t+10)，基于最近10个观测样本(t-9到t)，我希望t+1的预测比t+10的预测更准确。通常，人们可能会在预测周围绘制误差栏来显示间隔。使用ARIMA模型(在正态分布误差假设下)，我可以计算每个预测值的预测间隔(例如95%)。我能从LSTM模型中计算同样的(或与预测间隔有关
浏览 0提问于2017-11-06得票数 17
回答已采纳
2回答
在LSTM网络中，我的时间序列预测结果很差。我正在寻找任何改进模型的想法。上面的图表显示了真实数据和预测。真实数据是光滑的锯齿形，从0到1。然而，预测很少达到0或1。预测数据集中的分布很少达到0或1，并且集中在0.5左右。然而，真实数据集中的分布是均匀分布的。train_input_data_NN.shape[2])))model.compile(loss='mae', optimizer='adam&#
浏览 0修改于2018-03-20得票数 0
回答已采纳
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