Predicción de series de tiempo binarias

12

Tengo una serie temporal binaria con 1 cuando el automóvil no se mueve y 0 cuando el automóvil se mueve. Quiero hacer un pronóstico para un horizonte temporal de hasta 36 horas por adelantado y para cada hora.

Mi primer enfoque fue utilizar un Bayes Naive usando las siguientes entradas: t-24 (estacional diario), t-48 (estacional semanal), la hora del día. Sin embargo, los resultados no son muy buenos.

¿Qué artículos o software recomienda para este problema?

r time-series forecasting binary-data

— Ricardo Bessa
fuente

ver si esto ayuda a math.bme.hu/~morvai/publications/papers/… buenos días

— Mithun Ashok

¿Has considerado un modelo de markov oculto?

— Ram Ahluwalia

Gracias por las respuestas ¿Pero hay algún paquete de software disponible con algunas implementaciones? He buscado en R, pero solo encontré el paquete VLMC. Gracias, Ricardo Bessa

Ricardo, debes editar tu pregunta con esta información adicional en lugar de agregarla como respuesta. ¡Gracias y bienvenido al sitio!

— Aaron dejó Stack Overflow el

¿Hay realmente dos tipos de 1 en sus datos? Es decir, 1 significa que el automóvil podría estar en movimiento, pero no es versus 1, lo que significa que su automóvil realmente no podría estar moviéndose en este momento. Eso se llamaría una inflación (generalmente es inflación cero). Si es así, debe modelar cuándo el automóvil puede estar en movimiento o no versus cuándo podría estar en movimiento pero no lo está.

— Wayne

6

Puede usar modelos ARMA generalizados (GLARMA). Ver, por ejemplo, Kedem y Fokianos (2002), Modelos de regresión para análisis de series temporales.

Ver también paquete R glarma (en CRAN)

— hbaghishani
fuente

Esta respuesta no debería haber sido rechazada.

— usεr11852

3

El paquete R bsts le permite estimar modelos de series temporales estructurales bayesianas con objetivos binarios mediante la configuración family = 'logit'. Sin embargo, tenga en cuenta que estos modelos a menudo requieren ejecuciones más largas que los datos gaussianos (por ejemplo, niter = 10000).

— más feliz
fuente

2

¿Qué tal usar la regresión logística con algunos retrasos (diarios, semanales) como predictores? (La mayoría de los paquetes de software estadístico tienen regresión logística). Es un poco de disparos en la oscuridad, ¿puedes compartir los datos o una trama?

— Galit Shmueli
fuente

2

El modelo Hidden markov es la versión secuencial de Naive Bayes. En bayes ingenuos, tiene una etiqueta con varios valores posibles (en su caso 0/1) y un conjunto de características. El valor de y se selecciona modelando p (características | etiqueta) * p (etiqueta).

En un modelo oculto de Markov, se predice una secuencia de etiquetas modelando p (etiqueta | etiqueta anterior) y P (características | etiqueta).

— Alex Lamb
fuente