Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
在 Linux 集群上安装 R `forecast` 包:编译器问题?
我正在寻找测试性能R 更具体地说是一些例程forecast封装在具有 Intel Xeon Phi 协处理器的 HPC 集群上 据我所知 系统管理员已经建立了R 3 2 5按照英特尔网站上的说明从来源获取 https software in
r
rcpp
forecasting
xeonphi
ICC
天气预报算法多样
目前 英国气象局的预测引发了一场巨大的 风暴 他们预测冬季将是温和 潮湿的冬季 而北爱尔兰的气温却是有记录以来最冷的 地面上有厚厚的积雪 这在 12 月通常很少见 这是我很想尝试的东西 并不是我声称我可以击败他们 而是想知道人们目前正在使用
Algorithm
Weather
weatherapi
forecasting
预测误差指标的差距是什么:MAPE 和 WMAPE?
我知道 MAPE 和 WMAPE 作为预测误差指标 它们有一些好处 但差距是什么 有人说 For MAPE Combinations with very small or zero volumes can cause large skew
machinelearning
forecasting
用于在 R 中同时预测多个数据集的 For 循环
我有一个包含 时间 区域 销售额 变量的数据集 我想使用 ARIMA 或 ETS SES 来预测每个区域的销售额library forecast 总共有 70 个区域 每个区域都有 152 个观测值 3 年的数据 像这样的事情 Week R
r
forloop
forecasting
如何在Python中根据特定日期提取前两年的数据?
我有一个 csv 文件 其中包含过去 3 年的时间序列月度数据 根据今天的日期 我只想读取前两年的数据来预测未来 Data file example has data from 01 01 15 to 31 10 19 Date Value
python
date
datetime
time
forecasting
statsmodel - 类型错误:fit() 得到了意外的关键字参数“disp”
我正在使用 statsmodels 的 arima 模型进行一些预测 这曾经很好地与 model result model fit disp 1 但似乎 disp 似乎不再起作用 https github com biolab orange
python
forecasting
statmodels
撤消系列差异
我有一个包含每月数据的 pandas 系列 df sales 我需要减去 12 个月前的数据来拟合时间序列 所以我运行了以下命令 sales new df sales diff periods 12 然后我拟合了 ARMA 模型 并预测了未
python
pandas
difference
forecasting
StatsModels
fable 中的预测功能是否提供一步预测?
如上所述here https otexts com fpp2 forecasting on training and test sets html 在测试集中进行一步预测是避免随着预测范围的增加而不可避免地增加方差的一种方法 该部分提到的是
r
forecasting
fabler
在传递给 R 中 Arima() 的 xreg 参数之前,我们是否需要对外生变量进行差分?
我正在尝试在 R 中使用 ARIMAX 构建预测模型 并需要一些关于如何在 xreg 参数中处理协变量的指导 据我了解 auto arima 函数在拟合模型 来自训练期数据 时负责协变量的差异 并且我也不需要差异协变量来生成测试期 未来值
r
TimeSeries
Prediction
forecasting
ARIMA
R 中的时间序列交叉验证:使用 csv() 和 tslm()-模型
我目前正在尝试使用时间序列交叉验证来评估 tslm 模型 我想使用固定模型 不进行参数重新估计 来查看去年评估期的 1 到 3 步预测 我很难得到tsCV and tslm从预测库中可以很好地协同工作 我缺少什么 library forec
r
crossvalidation
forecasting
在 R 中将不同的预测方法传递给分层时间序列预测?
我有一个分层时间序列 其底层序列都表现出间歇性需求 使用 Hyndman 的 HTS 包在层次结构内实现最佳组合似乎是有利的 使用 Kourentzes 的 MAPA 包进行间歇性需求的多重聚合预测似乎也是有利的 本质上 我想做类似的事情
r
TimeSeries
forecasting
Hierarchical
高斯过程 scikit-learn - 异常
我想使用高斯过程来解决回归任务 我的数据如下 每个X向量的长度为37 每个Y向量的长度为8 我正在使用sklearn封装在Python但尝试使用高斯过程会导致Exception from sklearn import gaussian pr
python
scikitlearn
Regression
Gaussian
forecasting
ARMAX模型预测在传递exog值时导致“ValueError:矩阵未对齐”
我正在努力使用 ARMAX 模型预测样本值 拟合模型效果很好 armax mod31 sm tsa ARMA endog sales order 3 1 exog media fit armax mod31 fittedvalues 就我有
python
pandas
forecasting
StatsModels
使用 R 进行时间序列预测
我有以下 R 代码 library forecast value lt c 1 2 1 7 1 6 1 2 1 6 1 3 1 5 1 9 5 4 4 2 5 5 6 5 6 6 2 6 8 7 1 7 1 5 8 0 5 2 4 6 3
r
TimeSeries
Regression
linearregression
forecasting
R:通过一组列应用 Holt Winters 来预测时间序列
我有一个频率 7 的时间序列数据 如下所示 combo 1 daily mini lt read table header TRUE text region 1 region 2 region 3 date incidents USA CA
r
TimeSeries
forecasting
holtwinters
用于测试系统稳定性的函数,接收预测的时间序列作为输入
我想编写一个函数 获取时间序列和标准差作为参数 并返回看起来像预测的调整后的时间序列 通过这个函数 我想测试一个系统的稳定性 该系统获取天气的预测时间序列列表作为输入参数 我对此类函数的方法如下所述 vector
c
Prediction
forecasting
normaldistribution
standarddeviation
将 Forecast.gts(hts 包)与外部回归器和并行处理结合使用
我目前正在使用hts包预测 forecast gts 我现在有兴趣使用并行运行它num cores争论 但是当我添加外部回归器时 使用xreg and newxreg参数 我收到以下错误 Error in checkForRemoteErr
r
TimeSeries
forecasting
Python Statsmodels:使用 SARIMAX 和外生回归量来获取预测平均值和置信区间
我正在使用 statsmodels tsa SARIMAX 来训练具有外生变量的模型 当使用外生变量训练模型以便返回的对象包含预测平均值和置信区间而不仅仅是预测平均值结果数组时 是否存在与 get prediction 等效的函数 Pred
python
TimeSeries
forecasting
StatsModels
confidenceinterval
R 中每日两次频率的时间序列
我有一些来自传感器的数据 每 12 小时进行一次观测 我想将其作为时间序列进行分析 但我不确定使用什么频率将其转换为时间序列 这ts函数需要开始 结束和频率 ts data start 1 end numeric frequency 1 我
r
TimeSeries
forecasting
对每组进行不同的预测
我的数据集如下所示 Category Weekly Date a b
r
dplyr
TimeSeries
GROUPING
forecasting
1
2
»