Preguntas etiquetadas con time-series

¿Cuáles son los pros y los contras de usar LARS [1] versus usar el descenso coordinado para ajustar la regresión lineal regularizada por L1? Estoy principalmente interesado en los aspectos de rendimiento (mis problemas tienden a tener Ncientos de miles y p<20). Sin embargo, cualquier otra información también sería apreciada. …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Estoy usando la descomposición del valor singular como técnica de reducción de dimensionalidad. Dados los Nvectores de dimensión D, la idea es representar las características en un espacio transformado de dimensiones no correlacionadas, lo que condensa la mayor parte de la información de los datos en los vectores propios de …

13 time-series  machine-learning  pca  data-transformation  multivariate-analysis 

Esta es una pregunta bastante general: Por lo general, he descubierto que el uso de múltiples modelos diferentes supera a un modelo al intentar predecir una serie de tiempo fuera de la muestra. ¿Hay buenos documentos que demuestren que la combinación de modelos superará a un modelo único? ¿Existe alguna …

13 time-series  modeling  model-comparison 

Esta es una pregunta un poco frívola, pero tengo un gran interés en la respuesta. Trabajo en un hospital psiquiátrico y tengo datos de tres años, recopilados todos los días en cada sala sobre el nivel de violencia en esa sala. Claramente, el modelo que se ajusta a estos datos …

13 time-series  forecasting 

He estado usando el ajuste del modelo caret, pero luego volví a ejecutar el modelo usando el gbmpaquete. Entiendo que el caretpaquete usa gbmy el resultado debe ser el mismo. Sin embargo, solo una ejecución de prueba rápida usando data(iris)muestra una discrepancia en el modelo de aproximadamente 5% usando RMSE …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

Al modelar series de tiempo, uno tiene la posibilidad de (1) modelar la estructura correlacional de los términos de error como, por ejemplo, un proceso AR (1) (2) incluye la variable dependiente rezagada como una variable explicativa (en el lado derecho) Entiendo que a veces hay razones sustanciales para elegir …

13 time-series  autocorrelation  residuals  lags 

Tengo datos de ventas diarias de un producto que es altamente estacional. Quiero capturar la estacionalidad en el modelo de regresión. He leído que si tiene datos trimestrales o mensuales, en ese caso puede crear 3 y 11 variables ficticias respectivamente, pero ¿puedo tratar con datos diarios? Tengo tres años …

13 regression  time-series  multiple-regression  categorical-data 

He calculado la autocorrelación en datos de series temporales sobre los patrones de movimiento de un pez en función de sus posiciones: X ( x.ts) e Y ( y.ts). Al usar R, ejecuté las siguientes funciones y produje los siguientes gráficos: acf(x.ts,100) acf(y.ts,100) Mi pregunta es, ¿cómo interpreto estas tramas? …

13 r  time-series  autocorrelation 

En este caso particular, me refiero al día en que se congela un lago. Esta fecha de "hielo" solo ocurre una vez al año, pero a veces no ocurre en absoluto (si el invierno es cálido). Entonces, en un año, el lago puede congelarse el día 20 (20 de enero), …

13 regression  time-series  survival  data-transformation  recurrent-events 

Estoy haciendo algunos pronósticos en R usando el paquete de pronósticos de Rob Hyndman . El papel que pertenece al paquete se puede encontrar aquí . En el documento, después de explicar los algoritmos de pronóstico automático, los autores implementan los algoritmos en el mismo conjunto de datos. Sin embargo, …

13 time-series  forecasting  model-selection  aic 

Tengo problemas para entender qué plot.stlsignifican exactamente las barras de rango . Encontré la publicación de Gavin sobre esta pregunta y también leí la documentación, entiendo que cuentan la magnitud relativa de los componentes descompuestos, pero aún no estoy completamente seguro de cómo funcionan. P.ej: datos: barra pequeña, sin escala …

13 r  time-series 

Si puede medir una serie temporal de observaciones en cualquier nivel de precisión en el tiempo, y su objetivo del estudio es identificar una relación entre X e Y, ¿existe alguna justificación empírica para elegir un nivel específico de agregación sobre otro, o debería ¿La elección se tomará simplemente en …

13 time-series  aggregation  disaggregation 

Tengo múltiples codificadores independientes que están tratando de identificar eventos en una serie de tiempo, en este caso, viendo videos de conversaciones cara a cara y buscando comportamientos no verbales particulares (por ejemplo, cabezazos) y codificando el tiempo y la categoría de cada uno. evento. Estos datos podrían tratarse razonablemente …

13 time-series  reliability  agreement-statistics 

Esta pregunta puede ser demasiado básica. Para una tendencia temporal de un dato, me gustaría averiguar el punto donde ocurre un cambio "abrupto". Por ejemplo, en la primera figura que se muestra a continuación, me gustaría averiguar el punto de cambio utilizando algún método estadístico. Y me gustaría aplicar dicho …

13 time-series  trend  change-point 

Necesito automatizar el pronóstico de series temporales, y no sé de antemano las características de esas series (estacionalidad, tendencia, ruido, etc.). Mi objetivo no es obtener el mejor modelo posible para cada serie, sino evitar modelos bastante malos. En otras palabras, obtener pequeños errores cada vez no es un problema, …

13 time-series  forecasting  arima  ensemble  exponential-smoothing