forecasting

    0熱度

    1回答

    一個單變量的時間序列,我有以下數據: head(df) pce pop psavert uempmed unemploy 507.8 198712 9.8 4.5 2944 510.9 198911 9.8 4.7 2945 516.7 199113 9.8 4.6 2958 513.3 199311 9.8 4.9 3143 518.5 199

    1熱度

    1回答

    我們如何查看R中UCM函數的擬合值?我已經嘗試了下面的代碼來製作模型。 model_h_fcast <- ucm(hourly_2~0, data = hourly_2, irregular = TRUE, level = TRUE, slope = FALSE). 然後我試圖fitted.values(model_h_forecast)或fitted(model_h_for

    0熱度

    1回答

    我在預測鍛鍊工作。首選模型是ARIMA(0,0,1)(0,1,1)4,其中有三個外生變量(Forestalling.1,Forestalling.2,Break)。我的因變量是Pmean,平均房價,外生變量是指示立法和財產危機變化的虛擬變量(這些變量由以下值0,1,-1組成)。 我最初的方法是者區分原始的和適合ARIMA()模型;然而,這使我試圖預測系列作爲預測是在平穩序列完成後麻煩 - DIFF

    0熱度

    1回答

    當我做預測使用forecast庫,我注意到以下預期的代碼不運行: library(forecast) library(dplyr) df1 <- data.frame(gp=gl(20,5), dt=seq(1:100)) get <- function (df1){ ts1 <- ts((df1%>%filter(gp==2))$dt) as.numeric(fore

    0熱度

    1回答

    我試圖使用forecastHybrid與分層時間序列和外部迴歸器,但我無法弄清楚如何做到這一點。我想以這樣的方式 library(hts) library(forecastHybrid) forecast(htseg1, a.args = list(xreg = data.frame(1:10)), models = "aet", xreg = data.frame(11:20), FUN

    0熱度

    1回答

    我試圖預測使用SARIMAX的季節性時間序列。時間序列包含每日PV饋入的最大值,這導致假定365天的週期性。 這裏是我的代碼: mod= SARIMAX(realy.Max, order=(0,1,1), seasonal_order=(0,1,1,365)) results_SARIMAX = mod.fit(disp= -1) 我seasonal_order設置s到365,因爲我的週期性

    -1熱度

    2回答

    我有一個包含日期(2015年)和mm/dd/yy格式和銷售額的數據。我需要用給定的數據來預測2016年的銷售情況。我只知道,我需要使用時間序列預測。但不知道。因爲,很多例子只有一年(1960,1970,..),我的數據只有一年,幾個月。不知道如何繪圖。你能給我一個清晰的結構如何進行?

    4熱度

    2回答

    我正在使用Facebook發佈的新軟件包Prophet。它做時間序列預測,我想按組應用這個函數。 向下滾動至R部分。 https://facebookincubator.github.io/prophet/docs/quick_start.html 這是我的嘗試: grouped_output = df %>% group_by(group) %>% do(m = prophet(df[

    0熱度

    1回答

    我想預測下一個5個訂單和每個訂單中3個產品的數量。 我使用r和timeseries一個初學者,我看到使用arima例子,但他們只適用於衡量一兩件事,而不是多個產品,如在我的例子。 我應該用arima嗎? 我應該怎麼做? 對不起,我的英語不好。先謝謝你。 dateordrer,product1,product2,product3 12/01/2012,2565,3254,635 25/01/20

    3熱度

    1回答

    所以這是我的數據data 數據從26/07/2016開始並於2017年3月10日結束所有2個問題: 這是錯的嗎?使用tbats?每週的季節性? 我還希望預測數據看起來像初始數據,但如圖所示,這不是我的情況我該怎麼做? 這就是我已經得到了這裏太 我執行這個命令來獲取最後這個使用技術性貿易壁壘預測 data.raw=read.csv(file=file.choose(),header=TRUE,se