问题标签 [stl-decomposition]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
r - R:去季节化时间序列
我们可以使用以下代码在 R 中绘制和分解时间序列:
现在是我的问题:为了去季节化,我可以简单地输入
减去季节性值?
我意识到在另一个数据集中,减去季节性值会导致负值。这就是为什么我认为使用一个因素或其他东西会更好。
注意:我不想使用“去季节化”包。
r - 在 R 中的季节性分解中增加数据、季节性、趋势和余数的标签大小
我希望增加stl
函数中“数据”“季节性”“趋势”和剩余部分的字体大小R
。
我已经使用带有 plot 函数的 set.pars 参数修改了一堆参数,但是改变了cex
,cex.sub
并且cex.labs
对这 4 个标签没有影响。
是否有替代方法来修改它们?
下面是我的季节性分解图的代码,这里是一个指向我的LX0088U09A3.stl
变量的 dput 的链接,以获取可重复的示例:
r - 我可以用 GAMM 估计 R 中随时间变化的季节性效应吗?
我想使用广义加法模型来研究 R 中的时间序列数据。我的数据是每月的,我想估计季节性效应和长期趋势效应。我在这里和这里关注了 Gavin Simpson 的一些有用的帖子:
我的数据如下所示:
我的 github页面上有完整的数据集:
我试图指定一个具有平滑季节性和趋势项的广义加法模型,如下所示:
我提取了对季节性影响的估计如下:
这个情节包括在下面:
我的问题是:在原始数据中,季节性峰值每年都会略有变化。在令人尴尬的简单 GAM 中,我指定了季节性影响是恒定的。有没有办法用 GAM 来适应随时间变化的季节性?
我使用 Cleveland 等人的 STL 方法 分析了这些数据:
使用 STL 范式,如何摆动或平滑允许季节性影响似乎是一个偏好或选择问题。如果我可以让数据告诉我随机误差和变化的季节性峰值之间的区别,我会更愿意。GAMS 似乎更适合这个目标,因为它们更容易用于统计模型拟合类型的练习......但我想知道 R 包中是否有一个参数用于拟合 gams,它允许随时间变化的季节性影响。
python - Python中时间序列的季节性趋势黄土方法
有谁知道是否有基于 Python 的程序来利用 STL(Seasonal-Trend-Loess)方法分解时间序列?
我看到了对在 R 中调用该函数的包装程序的引用stl
,但我发现从环境设置的角度来看(Python 和 R 一起),它不稳定且繁琐。此外,链接是 4 岁。
有人可以指出更新的内容(例如sklearn
,spicy
等)吗?
time-series - STL分解后的大而一致的残基表示非周期性?
我对 10 周内空调的耗电量数据使用了 STL 分解。我希望这些数据在一周内是周期性的。我可以从数据中观察到,与季节性或趋势相比,曲线具有巨大的残差值。
这是否意味着我所掌握的数据并不能准确地代表每周空调使用周期?还是这个模型仍然足以用于异常检测?此外,趋势似乎具有周期性。这意味着什么?
time-series - “如何同时编码多个月度时间序列的季节性分解”
我想将许多月度时间序列数据分解为季节性因素。在第一次尝试下面的代码进行 1 个时间序列(即 bmix_e)之后,代码就可以工作了。
然而,在我添加了第二个时间序列 bmix_s 之后,代码不起作用事件我使用与上面相同的代码。
所以,我想知道
如何为超过 2 个时间序列的季节性分解编码?
在分解系列之后,我如何以数据框形式获得每个时间序列的月度季节性因子的平均值(因为我根据 decomposed.seasonal 的代码以数组形式获得结果)。
python-3.x - 我无法在 python 中分解时间序列
所以我已经使用了以前的答案和问题来回答我的问题,但就我而言,我遇到了一些错误,我不知道如何解决它。
最初我已经加载了一个pandas
数据框df = pd.read_excel(fid_data)
,它的内容在下一个命令中检查df.info()
,我得到以下信息:
当我尝试moex = df.MOEX
使用此命令进行分解时,res = sm.tsa.seasonal_decompose(moex, model='additive')
出现以下错误:
python - 在 STL 分解中使用卷积过滤器找到趋势分量背后的逻辑是什么?
我正在尝试使用 Loess 分析 STL 分解的源代码,并确定将观察到的数据拆分为季节性、趋势和残差背后的数学。请在下面找到 STL 源代码的链接: https ://github.com/statsmodels/statsmodels/blob/master/statsmodels/tsa/seasonal.py
我能够解码季节性的值。但是为了找到趋势值的计算方式,我被重定向到卷积过滤器函数,该函数又进一步调用计算趋势值。我需要 2 条信息: 1. 过滤器值(数组)是如何生成的?(其背后的逻辑) 2. 使用卷积过滤器如何计算趋势值?
r - 为什么在 R 中分解时间序列的 stl 函数不起作用?
我收集了这些数据(80 行),并试图用它stl()
来分解这个时间序列:
为了分解时间序列,我尝试使用stl()
应该与对象形式类一起使用的ts
:
但无论我做什么,我都会收到此错误(例如:frequency=1
在调用ts
函数时设置或仅ts
使用比我的数据没有更多参数的情况:
我不知道我做错了什么,因为我在网上找到的所有示例都具有相同的结构。我将不胜感激任何帮助。
python - 如何在 Python 中并排绘制 statsmodels 时间序列图并自定义 x 轴
我正在创建这些时间序列图,特别是 stl 分解,并且已经设法将所有图合二为一。我遇到的问题是让它们像这里的解决方案一样并排显示。我在链接上尝试了解决方案,但它没有用,相反,我一直在顶部得到一个空图。我有四个时间序列图,并设法将它们输出到彼此的底部,但是我希望它们并排或两个并排,最后两个并排在底部。
然后对于 xaxis 上的日期,我已经尝试过使用ax.xaxis.set_major_formatter(DateFormatter('%b %Y'))
,但它不适用于下面的代码,因为 res.plot 函数不允许它。
我已经到处搜索了,但找不到解决问题的方法。我将不胜感激任何帮助。
数据
代码