回答情况：
提问时间：
问题标签：
我正在使用由谷歌员工开发的CausalImpact包来评估干预在一段时间序列中的因果影响。我创建了一个图，如示例中所示。我想添加一个图例，就像我们在第249页找到的一样。我知道使用( CausalImpact包的)函数图会产生一个ggplot2对象。但是，我不知道如何添加图例。一些可重现的数据：devtools::install_github("google/CausalImpact")
set.seed
浏览 0修改于2015-09-12得票数 0
我不知道如何解释在使用CausalImpact函数时在CausalImpact R包中获得的置信区间。
浏览 1修改于2017-09-21得票数 0
回答已采纳
我正在尝试使用CausalImpact包模拟风暴对销售模式的影响。当我创建一个zoo对象并将其传递给模型时，我收到一个错误。我已经通读了文档，但找不出我正在做的事情与文档中的示例有什么不同。as.Date(c('2015-10-17','2017-03-09'))impact<- CausalImpact</
浏览 1提问于2017-04-15得票数 1
在notebook示例中：
ci = CausalImpact(season_data, pre_period, post_period, nseasons=[{'period
浏览 1提问于2019-11-06得票数 2
在R中使用CausalImpact > max(impact$series$point.effect
浏览 0提问于2020-01-03得票数 0
回答已采纳
library(ggplot2)library(CausalImpact)
> pre.period <- c(1, 70)> impact <- CausalImpact
浏览 14提问于2022-02-11得票数 2
回答已采纳
我查看了CausalImpact的文档，但找不到更多信息。这是在包中的什么地方完成的？有没有可以在函数调用中设置的参数来决定为什么我想要的M
浏览 42提问于2018-03-15得票数 0
回答已采纳
我尝试使用causalImpact工作室中的"devtools“从github为我的一个项目导入AzureML库。所用的代码是：devtools::install_github("google/CausalImpact")library(zoo)install.packages("src/<
浏览 7修改于2016-03-31得票数 2
回答已采纳
然而，当涉及到对原始规模的结果的解释时，将CausalImpact生成的任何汇总统计数据转换回来并不是非常有帮助的。4, 5, 1, 4, 2, 6)
pre.period <- c(1, 6)impact <- CausalImpact(dat, pre.period, post.period)
summary(impact)
Poster
浏览 2修改于2015-05-28得票数 7
] <- y[71:100] + 10pre.period <- c(1, 70)impact <- CausalImpact
浏览 21提问于2016-09-26得票数 1
Traceback (most recent call last)----> 1 ci = CausalImpactcallablefrom statsmodels.tsa.arima_process import ArmaProcesspre_period = ['2021-01-01 00:00:00+00:
浏览 5修改于2022-07-25得票数 -2
回答已采纳
具体情况：a <- CausalImpact::CausalImpact( X, c(1,75), c(76, 100) ) # works
b <- CausalIm
浏览 3修改于2019-11-25得票数 3
回答已采纳
我试图在一个商店销售的简单数据集上使用因果影响包，我得到了这个错误：import numpyas np
pos
浏览 5修改于2021-11-25得票数 0
回答已采纳
(data, pre_period, post_period)
File ~/homebrew/lib/python3.8/site-packages/causalimpact/main.py:228, in CausalImpact./main.py:377, in CausalImpact.in CausalImpact./main.py:727, in CausalImpact.
浏览 5修改于2022-06-27得票数 0
下面是示例代码from causalimpact import CausalImpactdata.iloc[70:, 0] += 5
post_period = [70, 99]
ci = CausalImpact
浏览 19修改于2022-02-18得票数 0
1回答
我遵循了谷歌网站关于安装因果关系影响的指示：loadNamespace中的错误(j <- i[1L]，c(lib.loc，.libPaths())，versionCheck = vI[j])：没有名为“Rcpp”的包去除'C:/Use
浏览 7修改于2016-05-22得票数 0
pre = ['2021-12-02', '2022-02-28'] from causalimpact import CausalImpactci = CausalImpact(df_ci["INTERACTIONS IG"], pre, post)当我想显示对因果影响的总结、图解和推论时，它得到了一个错误：
~\AppData\Roa
浏览 12修改于2022-07-18得票数 4
install.packages("devtools")devtools::install_github("google/CausalImpact")x1 <- 100 + arima.sim(model = list(ar = 0.999), n = 100)data <- cbind(y, x1)
pr
浏览 0提问于2015-06-23得票数 1
555267.010 64.0 176734.0import pandas as pdfrom causalimpactimport CausalImpact
X1 = [pd.DataFrame({'y': y, 'X': X}, columns=['y&
浏览 0提问于2020-12-10得票数 0
回答已采纳
下面的代码运行良好： from causalimpact import CausalImpactpre_period = [0,cut_off_point-1]post_period = [cut_off_point,data.shape[0]-1]impact.runperiod，如下所示： pre_period = ['2020-04-27','2020-06-
浏览 118提问于2020-08-07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