问题标签 [time-series]

一个非常新的问题，但是说我有这样的数据：

如何在 x 轴上绘制时间序列var0和var1同一图表，使用？如果您制作不同的颜色，则可以获得奖励积分，并且可以包括一个图例！dateggplot2var0var1

我敢肯定这很简单，但我找不到任何例子。

我想存储大量时间序列（时间与值）数据点。我更喜欢使用 MySQL。现在我打算将时间序列存储为 MySQL 中的二进制 Blob。这是最好的方法吗，最好的方法是什么。

我怎样才能把这一切写在一行中？

mydata是一个"zoo"系列，limit 是一个相同大小的数值向量

我尝试使用两个向量作为参数，ave(...) 但即使我将它们加入矩阵，它似乎也只接受一个。

这只是一个示例，但可以使用任何其他功能。

在这里，我需要将 的值cummax(mydata)-mydata与数字向量进行比较，一旦超过它，我将保持零直到一天结束。从cummax每天开始计算。

如果 limit 是单个数字而不是向量（具有不同的可能数字），我可以这样写：

但是我不能在那里引入一个长于x（它应该具有与每天相同的长度）的向量，而且我不知道如何将它作为另一个参数引入ave().

我的问题是我有一个大小为 N 的对象数组。在每次 (t+1) 之后，数组的某些值可能会或可能不会改变。所以可以说 t+1 索引 15 更改，但其他一切都保持不变。

除了当然只有一个数组之外，存储这样的东西（在内存中）的最有效方法是什么？我希望能够以最有效的方式随时获取数组的所有值，例如 getValues(long time)。

说4个阵列

时间 1 null null null xyz

时间 2 null null abc xyz

（注意这里只有 abc 改变了）但我们仍然保留从时间 1 开始的最后一个索引的值。

我正在尝试从 CSV 文件中读取时间序列并将它们保存为 xts 以便能够使用 quantmod 处理它们。问题是没有解析数值。

CSV 文件：

代码：

结果：

请参阅金额列包含字符数据，但应为数字。我的代码有什么问题？

给定传感器状态间隔的时间序列，我如何实现一个分类器，该分类器从受监督的训练数据中学习，以根据一系列状态间隔检测事件？为了简化问题，传感器状态被简化为true或false。

更新：我发现这篇关于时间间隔挖掘序列的论文 (PDF)解决了类似的问题。另一篇关于Mining Hierarchical Temporal Patterns in Multivariate Time Series的论文（Google Docs）采用了一种新颖的方法，但处理的是分层数据。

示例训练数据

以下数据是事件的训练示例，表示为随时间变化的图表，其中/¯¯¯\表示true状态间隔和传感器\___/的false状态间隔。

事件检测 vs 序列标签 vs 分类

我最初将我的问题概括为两类序列标记问题，但我的类别确实代表“正常操作”和罕见的“警报事件”，所以我将我的问题改写为事件检测。训练数据可用于“正常操作”和“报警事件”。

为了降低问题的复杂性，我已将传感器事件离散化为布尔值，但情况并非如此。

可能的算法

隐马尔可夫模型似乎是一种可能的解决方案，但它能够使用状态区间吗？如果序列标记器不是解决此问题的最佳方法，我们将不胜感激其他建议。

贝叶斯概率方法

传感器活动在一天中的不同时间会有很大差异（早上很忙，晚上很安静）。我最初的方法是在几天内测量正常的传感器状态并按一天中的时间（小时）计算状态概率。在不太可能的时间超过“不可能阈值”的传感器状态的组合概率将表明发生了事件。但是，如果传感器嘈杂，这似乎会引发误报。我还没有实现这一点，但我相信这种方法是有好处的。

特征提取

矢量状态可以表示为在特定时间发生并持续特定持续时间的状态间隔变化。

例如。进程表中的一些状态间隔：

一个好的分类器会考虑状态值区间和最近的状态变化，以确定状态变化的组合是否与某个类别的训练数据紧密匹配。

编辑：关于如何从多个传感器的警报数据中提取特征以及如何将其与以前的数据进行比较的一些想法......

首先计算一天中每个小时的每个传感器的以下数据：

• 平均状态间隔长度（对于true和false状态）
• 状态变化之间的平均时间
• 状态随时间变化的次数

然后可以将每个传感器与矩阵中的每个其他传感器进行比较，数据如下：

• 在传感器 A 之后，传感器 B 变为真实状态所需的平均时间。如果平均值是 60 秒，那么 1 秒的等待会比 120 秒的等待更有趣。
• 当传感器 A 处于一种状态时，传感器 B 经历的平均状态变化次数

给定两组训练数据，分类器应该能够从这些特征集中确定最有可能进行分类的类别。

这是一种明智的方法吗？比较这些特征的好算法是什么？

编辑：状态变化（false->truevs true-false）的方向很重要，所以任何特性都应该考虑到这一点。

ts在 R 中，class和 class有什么区别timeSeries？我想我正HoltWinters因此而遇到问题。我越来越：

“分解错误（ts（x[1L:wind]，开始 = 开始（x），频率 = f），季节性）：时间序列没有或少于 2 个周期”

即使gamma=0.

在 Windows 7 x64 机器上运行 R 2.11.1 (win32 x86)。

在 R 中，如何将 Holt-Winters 平滑用于基于财务（“工作日”）的时间序列？

（例如，股票数据时间序列具有不规则的时间索引）。

这是我的问题：
我有这些数据

我想画一个时间序列图

所以我尝试了这个：

我得到：
seq.int(r1$year, to$year, by) 中的错误：'from' 必须是有限的
另外：警告消息：
1：在 min(x) 中：min 没有非缺失参数；返回 Inf
2：在 max(x) 中：max 没有非缺失参数；返回-Inf

有什么想法可以解决吗？

谢谢你

将不规则时间序列转换为规则时间序列时遇到问题。下面是一个简化的例子：

我想创建一个看起来像 c(1981,NA,NA,1984,1985) 的常规时间序列 ts.d。

令人惊奇的是，我第一次运行这个：它工作！但是当我想再次运行它或重复它（as.ts() 行）它停止工作并且我获得了一个很长的时间序列：

等等

出了什么问题？