forecasting

    2熱度

    1回答

    嘗試按以下步驟安裝在MacOS塞拉利昂中的R版本3.3.2「預測」包: install.packages("forecast") 得到錯誤的擺我不理解。首先它從http://cloud.r-project.org下載所有依賴包。第一個錯誤我得到的是這樣的: * installing *source* package ‘quadprog’ ... ** package ‘quadprog’ s

    0熱度

    1回答

    我在做TS分析。是什麼這兩個精度之間的區別: fit<-auto.arima(tsdata) fcast<-forecast(fit,6) accuracy(fcast) #### First Accuracy fit<-auto.arima(tsdata) fcast<-forecast(fit,6) accuracy(fcast,actual values) #### Sec

    0熱度

    1回答

    我對r很陌生,正在嘗試執行ARIMA時間序列預測。我正在調查每15分鐘用電量的數據。我的數據如下所示: day month year PTE periode_van periode_tm gemeten_uitwisseling 1 1 01 2010 1 0 secs 900 secs 2636 2 1 01 2010 2 900 secs 1800 secs 2621

    4熱度

    1回答

    我正在嘗試使用randomforest進行時間序列分析。 PFB我的代碼 Subsales<-read.csv('Sales.csv') head(Subsales) 樣本數據: Date SKU City Sales <date> <chr> <chr> <dbl> 1 2014-08-11 Vaseline Petroleum Jelly P

    -1熱度

    1回答

    我可以使用randomforest的預測功能嗎? PFB我創建迴歸模型的隨機森林 Subsales<-read.csv('Sales.csv') head(Subsales) 樣本數據集 Date SKU City Sales <date> <chr> <chr> <dbl> 1 2014-08-11 Vaseline Petroleum Jel

    0熱度

    1回答

    我想通過使用neuralnet()函數預測加載數據,但是,當我嘗試預測()函數I收到錯誤:錯誤is.constant(Y):(列表)對象不能被強迫爲類型「雙」 我的數據如下所示: date temperature load weekday month weekend day 1 2010-01-01 -28 256131 5 01 0 1 2 2010-01-02 -24 27

    0熱度

    1回答

    我有一個充滿時間戳的列的數據文件,我已經聚集了10分鐘的時間間隔的時間,我試圖想象他們找到需求的基本模式。我已經看過這個信息的直方圖...並且熱圖沒有返回好的結果。 我的信息只是一列滿是像這樣的時間戳: 2017-08-28 14:37:00 我有100,000行,我想用大熊貓進行預測,我不知道我是否應該使用線性迴歸或卡爾曼過濾器到目前爲止這是我的可視化 plt.figure() df [「tim

    0熱度

    1回答

    我對以下croston公式中的參數有疑問。 問題是以下,我正在分析一個52個月的消費期,我想預測下個月的消費。 croston公式croston(y, h=10, alpha=0.1, x=y),在這種情況下h參數的含義是什麼? 感謝

    0熱度

    1回答

    我已經在下面包含了原始數據框的快照,我試圖根據10分鐘的時間間隔聚合這些登錄計數,並可視化並描述時間的結果一系列最能顯示模式的用戶登錄計數。我不知道如何最好地做到這一點?謝謝! print(head(logins.data.frame)) 的下方則是原始數據幀的快照 #DateTime #1 2012-03-01T00:05:55+00:00 #2 2012-03-01T00:06:23+

    4熱度

    1回答

    所以,我有表,看起來像這樣: A B Mar 31 2013 -0.0253 Apr 07 2013 0.0215 Apr 14 2013 -0.0153 Apr 21 2013 0.0222 Apr 28 2013 0.0148 May 05 2013 0.0159 May 12 2013 0.0148 May 19 2013 -0.0102 May 26 2013 -0