Preguntas etiquetadas con time-series

Recientemente comencé a trabajar para una clínica de tuberculosis. Nos reunimos periódicamente para analizar la cantidad de casos de TB que estamos tratando actualmente, la cantidad de pruebas administradas, etc. Me gustaría comenzar a modelar estos conteos para que no solo estemos adivinando si algo es inusual o no. Desafortunadamente, …

23 r  time-series  poisson-distribution  count-data  epidemiology 

Los mecanismos de atención se han utilizado en varios documentos de Deep Learning en los últimos años. Ilya Sutskever, jefe de investigación de Open AI, los ha elogiado con entusiasmo: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0 Eugenio Culurciello de la Universidad de Purdue ha afirmado que las RNN y LSTM deben abandonarse en favor de …

23 time-series  deep-learning  lstm  rnn  attention 

Estoy interesado en la selección de modelos en una configuración de series de tiempo. Para concreción, supongamos que quiero seleccionar un modelo ARMA de un grupo de modelos ARMA con diferentes órdenes de retraso. La intención final es pronosticar . La selección del modelo puede hacerse por validación cruzada, uso …

23 time-series  forecasting  cross-validation  model-selection  aic 

He encontrado dos definiciones en la literatura para el tiempo de autocorrelación de una serie temporal débilmente estacionaria: τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk|τa=1+2∑k=1∞ρkversusτb=1+2∑k=1∞|ρk| \tau_a = 1+2\sum_{k=1}^\infty \rho_k \quad \text{versus} \quad \tau_b = 1+2\sum_{k=1}^\infty \left|\rho_k\right| donde ρk=Cov[Xt,Xt+h]Var[Xt]ρk=Cov[Xt,Xt+h]Var[Xt]\rho_k = \frac{\text{Cov}[X_t,X_{t+h}]}{\text{Var}[X_t]} es la autocorrelación en el retrasokkk. Una aplicación del tiempo de autocorrelación es encontrar el "tamaño …

23 r  time-series  correlation 

Tengo una serie temporal que contiene componentes dobles estacionales y me gustaría descomponer la serie en los siguientes componentes de la serie temporal (tendencia, componente estacional 1, componente estacional 2 y componente irregular). Hasta donde sé, el procedimiento STL para descomponer una serie en R solo permite un componente estacional, …

22 r  time-series  forecasting  decomposition  multiple-seasonalities 

¿Alguien ha intentado la predicción de series de tiempo utilizando la regresión de vectores de soporte? Entiendo las máquinas de vectores de soporte y entiendo parcialmente la regresión de vectores de soporte, pero no entiendo cómo se pueden usar para modelar series de tiempo, especialmente series de tiempo multivariadas. He …

22 time-series  machine-learning  svm 

El error escalado absoluto medio (MASE) es una medida de la precisión del pronóstico propuesta por Koehler y Hyndman (2006) . MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} donde es el error absoluto medio producido por el pronóstico real; mientras que es el error absoluto medio producido por un pronóstico ingenuo (por ejemplo, pronóstico …

22 time-series  forecasting  accuracy  mase 

Tengo una pregunta sobre el análisis de conglomerados. Hay 3000 empresas, que deben agruparse de acuerdo con su consumo de energía durante 5 años. Cada empresa tiene valores por cada hora durante 5 años. Me gustaría saber si algunas empresas tienen el mismo patrón en el poder de uso durante …

22 time-series  clustering  spss 

Entiendo que el Análisis de componentes principales (PCA) se puede aplicar básicamente para datos de sección transversal. ¿Se puede utilizar PCA para datos de series temporales de manera efectiva especificando el año como variable de serie temporal y ejecutando PCA normalmente? He descubierto que PCA dinámico funciona para datos de …

22 time-series  pca 

Me gustaría saber si existe un código para entrenar una red neuronal convolucional para hacer una clasificación de series de tiempo. He visto algunos documentos recientes ( http://www.fer.unizg.hr/_download/repository/KDI-Djalto.pdf ) pero no estoy seguro de si existe algo o si lo he codificado yo mismo.

21 time-series  classification  neural-networks  conv-neural-network 

Quiero ver si estoy en el camino correcto analizando mis gráficos ACF y PACF: Antecedentes: (Reff: Philip Hans Franses, 1998) Como tanto ACF como PACF muestran valores significativos, supongo que un modelo ARMA satisfará mis necesidades El ACF se puede usar para estimar la parte MA, es decir, el valor …

21 time-series  model-selection  arma  statsmodels 

Entiendo que si un proceso depende de valores anteriores de sí mismo, entonces es un proceso AR. Si depende de errores anteriores, entonces es un proceso de MA. ¿Cuándo ocurriría una de estas dos situaciones? ¿Alguien tiene un ejemplo sólido que ilumine el problema subyacente con respecto a lo que …

21 time-series  autoregressive  moving-average 

Estoy investigando un poco, pero me he quedado estancado en la etapa de análisis (debería haber prestado más atención a mis conferencias de estadísticas). He recogido dos señales simultáneas: caudal integrado para el volumen y cambio en la expansión del cofre. Me gustaría comparar las señales y, en última instancia, …

21 r  time-series  signal-processing  measurement 

Estoy ajustando un modelo ARIMA en una serie de tiempo diaria. Los datos se recopilan diariamente del 02-01-2010 al 30-07-2011 y se refieren a la venta de periódicos. Dado que se puede encontrar un patrón semanal en las ventas (la cantidad promedio diaria de copias vendidas suele ser la misma …

21 r  time-series  arima  seasonality 

Me gustaría usar un modelo de regresión logística binaria en el contexto de la transmisión de datos (series temporales multidimensionales) para predecir el valor de la variable dependiente de los datos (es decir, la fila) que acaba de llegar, dadas las observaciones pasadas. Hasta donde sé, la regresión logística se …

21 r  time-series  logistic