问题标签 [forecasting]

我想做一个小项目，我想在 python 中使用神经网络。我发现 pybrain 是最好的解决方案。但是直到现在，我发现的所有示例和问题都无济于事。

我有一个数字序列。数百行。缺少一些值，而不是数字，有一个“x”。

例如

等等。这只是一个例子。不是我的顺序。

我想一一读取这些值并训练我的神经网络，当我找到一个“x”时，我会预测这个数字，然后我会继续用以下数字训练它。

到目前为止，我发现的是这样的训练

有一些输入和一些输出。

有什么建议我该如何继续？

编辑：我想出了一些东西，我想收到反馈，因为我不知道它是否正确。

我仍然有上面的字符串。我将它拆分为列表，因此我有一个列表，其中每个实体都是一个数字。

你怎么看？你相信这样的事情会奏效吗？

我正在尝试使用 dshw() 来处理双重季节性——在我的情况下，每日数据具有一周（7 天）和一年（365 天）的季节性。但是，当我运行代码时出现以下错误：

您认为解决此问题的最佳做法是什么？我应该在我的数据上使用两次 stl 吗（对于 7 天和 365 天的频率）？或者以某种方式修改数据？

谢谢！

我用这些数据加载了一个数据框（名为 stock）：

我尝试使用 ets() 模型来实现预测：

fs 的输出是：

我在预测列中观察到的是预测值下降。为什么会这样？是否需要在模型中设置不同的参数？

我希望分解具有严重季节性成分的每日销售数据（使 365 天的季节性对于 ARIMA 过程来说太长了）。但是，时间序列的某些部分由其他因素解释，包括影响数据的常规营销事件。我想以stl类似于在 ARIMA 中包含外生变量的方式使用 R 的函数，但我没有看到任何地方可以将外生变量放入其中。相反，我在单独的回归中将外生变量应用于“剩余”部分，但担心stl由于上述常规营销事件，所获取的季节性会出现错误。

有关如何解决此问题的任何建议？

我用这些数据加载了一个数据框（名为 stock）：

我尝试使用 arima() 模型来实现预测：

之后，我想从预测过程中获取情节。但是，我尝试使 x 轴有日子。直到现在我有这个：

我需要下表中的数据，以便通过 ID 和 ProductCode 进行预测。我对如何编码 R 感到困惑，所以我可以通过 ID 和 ProductCode 进行预测。我正在寻找动物园来帮助我做到这一点，但我很难过。

谢谢，

杰夫

我正在使用具有外生变量的向量自回归模型对具有季节性的每日订单进行建模。我使用了具有适合模型的功能的“vars”包。我在没有使用外生变量的情况下得到了预测，但我必须包括它们。当我将它们包括在内时，我的预测是 NAs。我不明白为什么会这样。我的外生变量矩阵包括营销信息和大量的零和一。它是一个 1218 x 123 大小的矩阵。我的内生变量是一个 1218 x 4 大小的矩阵。R代码如下。我真的需要关于如何用我的预测来解决这个问题的帮助。

（x2 是相同外生变量的 254 x 123 缩小尺寸矩阵。n.ahead 必须等于 x2 中的观察数）

我对 R 包相当陌生，我正在处理时间序列。我必须建立一个预测模型来预测未来的点击次数。预测的时间间隔必须是每小时一次。

我的示例时间序列：

这是一个以小时为单位的整周时间序列。考虑到这些数据，我需要使用 Holt-Winters 预测下一小时（06/28/13 00:00:00）将获得的点击次数。我试图弄清楚，但我真的很困惑。如果有人能指出我正确的方向，我将不胜感激。

编辑：

我正在使用 Holt-Winters 预测模块，如下所示：

但问题是 HOLT-WINTERS 没有检测到预测中的任何趋势。正常吗？因为从 2013 年 6 月 28 日开始发生了很大的变化。

以下是我的预测值：

这是预测图。

趋势成分没有变化。在使用 Holt-Winters 的预测方法时，我可能做错了一些事情。

我是新手ts()，zoo()并且zooreg()。我正在处理每日时间序列数据，并且在 zooreg 和 ts 对象之间切换时遇到了困难。具体来说，我想拟合一个模型来预测未来 7 天。

下面的尝试#3 似乎有效，但有没有比使用更好的方法coredata？此外，我已经阅读了关于对象中每日数据的频率ts()应该是 365 还是 7 的相互矛盾的建议。尝试 #1 和 #2 表明我的尝试不成功。

提前致谢。
抢

我正在使用Ron Hyndman 在 R 中的优秀软件包中的fourier()and函数。为了验证是否在and中选择和使用了相​​同的术语，我绘制了一些输出术语。 fourierf()forecastfourier()fourierf()

下面是使用的原始数据ts.plot(data)。时间序列中的频率为 364，仅供参考。

下面是使用fourier(data,3). 基本上，它看起来像是现有数据的镜像。

再次查看输出的 sin1 项，我们得到一些变化，显示出与上述数据相似的 364 天季节性。

fourierf(data,3, 410)但是，当我使用以下数据绘制傅里叶预测的结果时。fourier它看起来比原始函数 提供的术语要平滑得多。

所以，我想知道fourier()和的结果是如何fourierf()相关的。是否可以只看到一个合并的傅立叶结果，以便您可以看到正弦或余弦结果在现有数据中移动，然后在预测期间移动？如果不是，我如何确认创建的术语fourierf()适合样本内数据？

我想在auto.arimaorglm函数中与其他外部回归器一起使用它，如下所示：

并希望完全确定 auto.arima 与fourier()我将在 xreg 下放入的内容forecast（使用来自不同函数的术语，即）具有适当的拟合（使用来自 的术语ffourier()）。