具有固定起始点的时间序列的逐日移动窗口回归
是一种统计分析方法，用于预测或分析时间序列数据。它通过在时间序列中滑动一个固定大小的窗口，每次移动一个时间步长，来生成一系列子序列，并对每个子序列进行回归分析。
逐日移动窗口回归的步骤如下：
- 确定窗口大小：选择一个合适的窗口大小，表示每个子序列的长度。
- 确定起始点：选择一个固定的起始点，作为第一个子序列的起始位置。
- 移动窗口：从起始点开始，滑动窗口按照设定的步长移动，生成一系列子序列。
- 回归分析：对每个子序列进行回归分析，建立模型并预测或分析目标变量。
- 重复步骤3和4：继续滑动窗口，生成更多的子序列，并进行回归分析。
逐日移动窗口回归在时间序列分析中具有以下优势：
- 考虑时间依赖性：通过滑动窗口的方式，可以考虑时间序列数据中的时间依赖性，捕捉到时间序列的趋势和周期性。
- 灵活性：可以根据需求调整窗口大小和步长，灵活地适应不同的时间序列模式。
- 预测能力：通过建立回归模型，可以对未来的时间序列数据进行预测，帮助决策和规划。
逐日移动窗口回归在实际应用中有广泛的应用场景，例如：
- 股票市场预测：通过分析历史股票价格数据，预测未来股票价格的走势。
- 天气预测：通过分析历史气象数据，预测未来的天气情况。
- 销售预测：通过分析历史销售数据，预测未来的销售趋势，帮助制定销售策略。
- 交通流量预测：通过分析历史交通流量数据，预测未来的交通拥堵情况，优化交通规划。
腾讯云提供了一系列与时间序列分析相关的产品和服务，包括：
- 云数据库时序数据库（TSDB）：提供高性能、高可靠的时序数据存储和查询服务，适用于大规模时间序列数据的存储和分析。产品介绍链接：https://cloud.tencent.com/product/tsdb
- 云机器学习平台（Tencent Machine Learning Platform）：提供强大的机器学习和数据挖掘能力，可用于构建时间序列预测模型和回归模型。产品介绍链接：https://cloud.tencent.com/product/tmpl
- 云函数（Serverless Cloud Function）：提供无服务器计算能力，可用于实时处理时间序列数据和执行预测任务。产品介绍链接：https://cloud.tencent.com/product/scf
以上是关于具有固定起始点的时间序列的逐日移动窗口回归的完善且全面的答案。
相关·内容
1回答
给定随时间变化的浮点值的大型数据集(具有可变间距)和特定持续时间的滑动窗口大小，我正在寻找一种方法来计算滑动窗口的每个位置的窗口内数据点的线性回归模型(如最小二乘)。
假设窗口从左侧开始，向右移动。随着时间的推移，数据点进入右侧的窗口，并将其留在左侧。无论何时发生这种情况，都应该更新回归模型以反映新的数据点集。
这种更新操作应该比仅仅重新计算模型要快得多。而且，将一些元数据与当前模型一起保留以帮助更新它也是可以的。但是此元数据的内存大小应该比窗口中所有数据点的大小小得多。
这样的方法存在吗？它怎麽工作?有没有针对它的Java库？
浏览 17提问于2020-02-12得票数 1
1回答
Matlab拟合线性中的随机数
、、、、
我正在运行一个逻辑回归，使用的是matlab函数，其中包含以下参数：
rng('default')
[Mdl,FitInfo] = fitclinear(X',y', 'Lambda','auto',...
'Learner','logistic',...
'ObservationsIn','columns',...
浏览 15提问于2018-08-03得票数 0
我在最后一年的项目中使用statsmodels库分析了几种不同的时间序列预测方法，例如ARIMA和SARIMA。查看过去的文献，我发现回归算法也可以与滑动窗口等方法结合使用。然而，我不能澄清的是，时间序列预测属于哪种算法。我确信它不是无监督的，因此这是否意味着时间序列预测算法是有监督的算法？或者它是一种不同类型的机器学习？
浏览 255提问于2019-04-25得票数 1
在日志中查找特定问题时，我将在Stackdriver Log Viewer筛选器中输入搜索词。然而，这是非常尴尬的，因为我经常需要查看之前或之后的条目。我经常不得不重新输入一个新的搜索，指定一个时间窗口，或者只是跳到有问题的时间。如果我想寻找其他的例子，我不得不重新经历整个过程，我发现这非常令人沮丧。
有没有办法从我当前的位置向后搜索，直到我找到一个输入的搜索词？这将使通过日志进行故障排除变得更加方便。
浏览 17提问于2019-07-22得票数 0
1回答
变长序列的批处理
、、、
我有很多不同长度的时间序列。我想知道哪些最佳实践适合于双向LSTM模型。问题是序列到序列的二值分类。因此，对于每一个时间步骤，我想预测二进制类。
目前，我为每个数据帧创建一个(1, None, #Features)形状的张量。然后我把每个张量分别拟合到模型中。
是否最好将每个数据帧组合成形状为(#Time Series, None, #Features)的张量，并同时对它们进行拟合？这有什么区别吗？
或者用滑动窗口的方法把一个时间序列分割成更小的窗口更好吗？
我不能指定时间序列的最大长度，所以我认为不能使用Keras的pad-sequence。
浏览 0提问于2018-05-17得票数 2
1回答
我第一次尝试在R中使用plm软件包。
我希望估计一个只有时间假人的池模型，即没有未观察到的异质性。
我对表单进行了简单的回归：
plm(dep ~ x:y -1, data=data, index=c("panel_var", "time_var"), effect="time", model="pooling")
，其中x是一个连续变量，y是一个范畴变量(因此x:y是交互作用)。我将-1添加到模型中，使其不包括拦截，因为我希望有时间假人。
当使用summary时，模型正确地告诉我“面板”和“时间”维度的时间大小。然而，它没有报告
浏览 0提问于2015-11-05得票数 2
回答已采纳
1回答
熊猫时间序列三角洲的回归
、、、
假设我有这样的时刻表
A B
0 a b
1 c d
2 e f
3 g h
0,1,2,3是次数，a，c，e，g是一个时间序列，b，d，f，h是另一个时间序列。
我需要的是三角洲的回归，意思是
dA dB
0 (a-c) (b-d)
1 (c-e) (d-f)
2 (e-g) (f-h)
我要做的是回归为dB = X dA + Y
现在，如果我有像上面这样的熊猫数据，那么最好的方法是什么呢？另外，接下来我想做一个移动窗口回归。
浏览 3提问于2014-04-17得票数 1
回答已采纳
1回答
我正在开发一个应用程序，其中我有一个具有当前日期的JFormattedTextField格式的yyyy/mm/dd格式，并且我只想移动到int中的这些值。但问题是，欧盟正在做的是回归更多的价值观。
JFormattedTextField textId = new JFormattedTextField(new SimpleDateFormat("yyyy/MM/dd"));
textId.setValue(new java.util.Date());
textId.setBounds(20, 310, 100, 25);
Date data = (Date)textId.get
浏览 4提问于2020-10-28得票数 0
回答已采纳
1回答
我正在尝试在Wordpress中设计一个信息图形风格的页面。
我将时间线设置为背景，然后精确定位按钮以匹配背景。一切都很好，直到我开始调整浏览器窗口的大小--按钮完全放错了地方。
我尝试创建两列并将按钮放在第一列中。它们保持它们的位置，直到，因为窗口正在缩小，这是我正在使用的响应式主题，第二列移动到第一列的下面。在这一点上，按钮又放错了地方。
我尝试过各种css设置，比如position: relative、absolute等等，但都无济于事。有没有办法买到我需要的东西？
谢谢你，弗拉德
浏览 1提问于2015-03-14得票数 0
1回答
我有一个时间序列(每日)数据集由一个标签(整数)和15个特征在5年内。我不知道特征的含义，但我必须根据这些特征来预测标签。
为了做到这一点，首先，我使用了来自pandas.tools.plotting的pandas.tools.plotting来确定我的标签(y)中是否有季节性。请参阅下图：
然后，通过扫描Freq参数，使用seasonal_decompose查找标签(y)的季节、趋势和残差：
你能告诉我哪个弗雷克没问题吗?为什么？
下一步是什么？我是否需要从数据中删除趋势项和季节项，然后尝试通过回归(例如SVR、线
浏览 1提问于2017-12-02得票数 1
我正在开发一些由加速度时间序列数据组成的分类/回归模型。到目前为止，我已经通过从时间序列数据的不重叠滑动窗口中提取特性来创建数据点。我也想尝试使用重叠窗口。但是，我想知道它是否在概念上是合理的，还是在重叠窗口中重用数据时需要记住一些注意事项。
浏览 0提问于2019-08-02得票数 2
回答已采纳
我正在研究玻璃制造项目的一个回归模型，该模型有158个输入和4个输出，这是一个输入和输出的连续过程。对于这类回归模型，神经网络的使用是否合适？如果是，我知道递归神经网络可以用于时间序列数据，我应该使用哪个递归神经网络？如果不适合使用NN，除了线性回归和回归树之外，还有哪些其他类型的解决方案可用？
浏览 2提问于2017-07-06得票数 0
1回答
我有训练数据，包括一个数值的时间序列(例如，在网站上100天内的用户活动度量)。我也有一些用户的分类属性(人口学，浏览器类型，位置等)
对于新用户(例如在第50天)活动度量的未来值，作为数值还是类(低、中、高)，什么是一个很好的方法？
我可以想到以下方法：
对初始分类特征的大多数(或全部)组合分别执行时间序列回归或分类。
或
B.从时间序列中提取4至10个不同的数值和/或分类特征(例如高、低、平均、周末水平、周末与工作日的比率等)，然后对全部特征进行随机的forrest分类或回归。
或
还有别的事吗？
谢谢!
浏览 0提问于2016-10-05得票数 1
1回答
将平滑添加到相机移动器
、、、
嗨，我有一个脚本，可以调整相机的距离，以确保一个物体总是完全在相机的视图中。我是这样做的：
Vector3 characterSize = UpdateBounds(totalPoints).size;
float objectSize = Mathf.Max(Mathf.Max(characterSize.x / 2, characterSize.y / 2), characterSize.z / 2);
float cameraView = 2f * Mathf.Tan(0.5f * Mathf.Deg2Rad * Camera.main.fieldOfView);
float ri
浏览 15提问于2020-03-11得票数 1
我在PySpark中这样做过：
使用DataFrame语句创建一个SELECT，以获取按资产序列号排序的资产数据，然后按时间排序。
使用DataFrame.map()将DataFrame转换为RDD。
使用整理每个资产的所有数据，使用资产的序列号作为密钥。
问题：，我能确定每个资产的数据仍然会在最后一步的RDD中按时间顺序排序吗？
时间顺序对我来说是至关重要的(我需要在每个资产的移动时间窗口上计算统计数据)。当RDD.combineByKey()为给定的密钥组合来自火花集群中不同节点的数据时，该键的数据中是否保留了任何顺序？或者，对于给定的密钥，来自不同节点的数据是否按特定
浏览 1提问于2017-04-26得票数 0
回答已采纳
做时间序列分析，我对选择正确的模型有疑问。我想从包含no的输入数据集中预测下30分钟的窗口。那个特定的1分钟间隔的错误计数。
我应该使用XGBoost还是ARIMA回归？
我在网上发现的大多数文章或教程都使用ARIMA作为时间序列，而XGBoost则更多地用于Kaggle竞赛。
浏览 0提问于2019-09-24得票数 3
回答已采纳
1回答
我有两个序列(x_t, y_t)在时间，并希望执行滚动线性回归。我心中的问题是：
给出窗口大小w，根据时间窗口内x的线性组合(t-w，.，t，...t+w)计算时间t。也就是说，y_t = sum_{i=t-w}^{t+w} b_i x_{i} + b_0,
所以我想用我的数据来拟合常量b_i。
是正确的statsmodels.regression.rolling.RollingOLS包吗？问题是它只给出沿同一时间轴的预测值和参数，即y_hat_i和b_i对每个t的预测值和参数。相反，我希望有一组小的b，可以在其他时间使用它来处理x数据(b)。
浏览 5提问于2020-06-22得票数 1
我正在尝试根据我的数据中的有意义的单元来确定如何设置geom_smooth()的geom_smooth()参数。例如，假设我有一个每日时间序列，周末值较低(有关数据和代码，请参见post底部)：
我想在一个7天的窗口上平滑，以平滑周末的周期性下降，但在其他情况下，平滑线的分辨率最大-类似于7天移动平均线。
我的问题是:如何将类似"7天“的内容转换为span的正确值
根据，span设置了黄土回归的α参数。答案引用了
alpha给出了在每个局部回归中使用的观测值的比例。因此，此参数被指定为0到1之间的值。图2中黄土曲线的alpha值为0.65；因此，每个用于生成该曲线的局部回归都包含了
浏览 10提问于2022-03-30得票数 1
2回答
看看这个线性回归:y~X+滞后(X，1)，意思非常清楚，它试图做一个线性回归。滞后( X，1)表示X的第一个滞后，使我感到困惑的是滞后函数的R实现。在R中，滞后(X，1)将X移动到以前的时间，例如
>library(zoo)
>
>str(zoo(x))
‘zoo’ series from 1 to 4
Data: num [1:4] 11 12 13 14
Index:int [1:4] 1 2 3 4
>lag(zoo(x))
1 2 3
12 13 14
当你回归时，R在时间2中准确地使用了哪个值？我猜R是这样使用数据的：
time 1 2 3
浏览 6提问于2015-12-15得票数 1
回答已采纳
回归的：
sequence-to-sequence：LSTM层的输出是一个序列，输入到一个完全连接的层。lstmLayer(N, 'OutputMode', 'sequence')。
sequence-to-one：LSTM层的输出是序列的最后一个元素，输入到一个完全连接的层中。lstmLayer(N, 'OutputMode', 'last')。
两者在时间序列预测方面有什么区别？什么时候应该用一个而另一个呢？
注意：使用顺序到顺序的体系结构.如果你只需要预测下一个时间步骤，为什么要输出一个完整的序列
浏览 8提问于2019-02-26得票数 0
回答已采纳
2回答
资料:我有不同国家和因素的时间序列数据，例如从1972年到2007年的“阿富汗”出生率()。
目标:预测2008年和2012年的出生率
问:我熟悉线性回归，但在如何处理时间序列数据和预测未来值方面需要一些帮助。
您能告诉我示例或共享代码片段吗？
浏览 1提问于2016-05-31得票数 0
回答已采纳
3回答
我正在尝试将时间固定的效果(使用model.matrix生成的多年的虚拟对象)包含到R中的PPML回归中。
如果没有时间固定效应，则回归为：
require(gravity)
my_model <- PPML(y="v", dist="dist",
x=c("land","contig","comlang_ethno",
"smctry","tech","exrate"),
vce_ro
浏览 0提问于2017-07-06得票数 1
1回答
我正在我的数据集上尝试一个普通的LSTM。
根据这个课程，应该按照以下方式构建LSTM层：model.add(LSTM(50, activation='relu', input_shape=(n_steps, n_features)))
定义中的关键是输入的形状；从时间步骤的数量和特性的数量来看，这是模型期望的每个样本的输入。
在我的例子中，这也是一个单变量回归，尽管“多步”.对于每个输入，我有一个不同的“步骤”，而不是一些常量的n_steps。
例：
...
X
浏览 0提问于2019-09-17得票数 1
回答已采纳
2回答
我使用一个简单的线性回归来预测一个项目移动的单位数量，并且价格是输入参数之一。
对于一些项目，旧的价格是不相关的，因此，这会导致错误的预测。old price的定义因项目而异。有没有办法让线性回归知道最近的价格更相关？
浏览 0提问于2019-10-09得票数 0
回答已采纳
问题:连续变量的值随时间的模型演变。
我读了一篇论文，介绍了一种预测时间序列下一个值的方法。虽然ARIMA模型对于长期预测更准确，但ARTXP模型更适合于推断下一个值。
微软的数据挖掘算法库实现了ARTXP，这是自回归树模型的一个变体。
算法是如何工作的？您是否有针对此模型的Python实现？
浏览 0提问于2013-02-28得票数 0
回答已采纳
1回答
Hallo我目前正在用以下代码进行回归分析：
for (i in 1:ncol(Ret1)){
r2.out[i]=summary(lm(Ret1[,1]~Ret1[,i]))$r.squared
}
r2.out
此代码在第一列之前对数据帧中的每一列运行简单的OLS回归并提供这些回归的R^2。目前回归使用列的所有数据点。我现在需要的是，代码不是使用列中的所有数据点，而是使用滚动的数据点窗口。因此，他计算了30天的滚动窗口R^2在整个时间框架内。输出是一个矩阵，每个滚动窗口的每个(1，i)对的所有R^2。
此代码执行滚动回归部分，但不对每个(1，i)对进行回归。
dolm <-
浏览 2提问于2017-08-29得票数 2
回答已采纳
1回答
是否有一种方法使用Tkinter有按钮，以便它们总是被放置在一定数量的像素从窗口的边缘，即使窗口是调整大小？我试过使用锚，但这似乎并没有移动窗口的位置太多。
浏览 0提问于2016-02-05得票数 2
回答已采纳
我查阅了Facebook的文档，并为我的时间序列数据集建立了类似的模型。我使用的其他回归器是数字的。我获得了一个合理的MAPE分数。但是，我也想在邮政编码级别上分析这个时间序列，这为混合添加了一个分类变量。单热编码会起作用吗？我怀疑它的效率，因为我需要单独添加每个类别(邮政编码)作为一个单独的额外的回归。
我的数据集采用以下格式:邮政编码: Zip代码:日期:数字Attr 1: Sales (预测器)
我也愿意换一种不同的模式，如果有一个好的，同时做时间序列和回归。如有任何指示，将不胜感激。
浏览 0提问于2019-10-24得票数 2
我正在编码rnn，类似于tensorflow提供的dynamic_rnn。我试图在GitHub上看到代码，但无法理解它们是如何实现的。我希望从零开始构建它，这样我就可以从内部自定义rnn。怎么做？
目前，我的方法是将截断的时间序列看作张量，使用tf.scan()并为所有时间序列寻找新的隐藏状态。然后使用tf.map_fn查找新的堆栈隐藏变量的输出。最后，使用tf.while_loop()查找叠加输出第一维上的每个张量的误差，并利用该损失进行反向传播。
我关心的是，在这样做之后，图形会是动态的吗？我的意思是说，首先我展开了5次，然后4次图形会擦除之前滚动的一个节点吗？
这个能行吗？
请指点。
谢
浏览 4提问于2017-04-17得票数 1
回答已采纳
我想在Tensorflow中实现一些LSTM模型。我想我已经很好地理解了这些教程。在这些输入数据中，输入数据是以单词的形式给出的，这些单词被嵌入到连续的向量空间中(这有几个优点)。我现在想做一个LSTM来预测一系列连续的数字，但不知道最好的方法是什么。我应该离散化我的输入范围，从而有效地得到一个具有多个类的分类问题，并使用前面描述的嵌入，还是坚持连续的数字并进行回归？在这种情况下，我只是在每个时间步中向模型传递一个特征，即连续数字？
浏览 1提问于2016-12-14得票数 9
1回答
我想对一个时间序列进行回归，其中输出变量是时间序列中的一个。我的I有一个时间序列(x_1, x_2, \cdots, x_n)的测量值，并且希望预测变量y，它不是时间序列的度量。
显而易见的第一个选择是一些简单的线性回归，但这没有考虑到数据的时间序列性质。我正在研究的时间序列方法似乎与预测序列中的下一个值有关。哪些方法考虑到非回归数据的时间特性？
编辑:我有一系列的时间序列，我想预测每个时间序列的值。我想预测的值是一个稍微奇怪的值。这是一个事件发生的时候。这实际上是两个值，事件发生了吗?什么时候发生的？
谢谢
浏览 0提问于2023-03-31得票数 0
回答已采纳
1回答
有点新手的问题，但我已经有一段时间了，我需要解决这个问题。希望你们中有人能帮上忙。
我的页面底部有一个文本框。它的位置是固定的，但是，每当我调整浏览器窗口的大小时，它就会随着页面底部移动。我也尝试过绝对和果断的定位，但仍然存在同样的问题。我一直在阅读CSS定位，并认为我理解它，直到这个小问题。
我的页面顶部有一个标题栏，它的位置是:固定的，而且不会移动，所以我想知道有什么区别吗？
问题的说明如下:底部图像是正常的视图，顶部是文本框移动的ahen窗口缩小了。
我的文本框名为“类型文本框”，标题横幅为“textbox”。
CSS是：
#cfbanner{
position: fixed;
top
浏览 3提问于2014-08-14得票数 0
我目前是双引导Windows8.1和Ubuntu14.04。我的硬盘被分成两个分区:一个包含窗口(~350 GB)，另一个包含Ubuntu (~150 GB)。我想收缩我的窗口分区和扩展我的Ubuntu分区。但是，这需要缩小窗口分区的末尾，然后展开Ubuntu分区的开始。我是Ubuntu/Linux (长时间Windows用户)的一个相当新的用户，我记得之前读过移动windows分区的开始是危险的，不应该这样做。对于Linux/Ubuntu来说，这是否成立，还是我应该没事呢？
浏览 0提问于2015-03-11得票数 2
回答已采纳
我正在开发一个面板数据集，其中包括450家公司5年的日股票回报率和5年的每日ESG评分(动量为基础)。我想回归股票回报的每日ESG评分，保持坚定和固定的效果。我在python中使用了linearmodels.panel函数，并在运行实体和时间效应的回归之前设置了索引(‘Stock“，"Date")。在回归结果中，实体数显示450个，这是完美的，但时间周期显示为1800年。我想知道python是如何捕捉时间效应的?它是基于年份还是其他方式?我想要的是一年固定效应，在特定的一年中，所有公司都有相同的指示变量。有人能帮助我以正确的方式吗？。
浏览 6提问于2022-02-16得票数 1
回答已采纳
1回答
我希望这个标题有意义。基本上，我研究数据已经有一段时间了，我想预测未来的值并绘制它们。我的回归模式是:lm(总~ Rank+市场)，当我进行回归分析时，我可以看到系数和所有的东西。我的数据有以下几列:总计，市场，等级，日期。但对于预测函数，我认为回归模型不起作用。我尝试将Total转换为时间序列并绘制它，但在这种情况下，其他因变量对总值没有影响。
我已经尝试了一段时间，我研究了很多预测方法，但它们只包括一个变量，而不是回归模型本身。请您提供如何预测我的多变量回归模型的资源或语法吗？
我想这就是我要找的，但是函数中没有包含其他变量，我用tslm尝试了我的模型，但是它没有工作。我认为tslm只能
浏览 0提问于2021-11-30得票数 0
2回答
我想写一个代码，涉及使用ETS和自回归模型自动选择最佳组合模型。我应该根据什么标准进行选择？
另外，如果我使用auto.arima函数从R中的预测包中推断AR项和相应系数的数量，我的输入序列是否必须是平稳的？或者自动选择d的值，从而返回一个非平稳模型？
谢谢，Phani
浏览 0提问于2010-06-28得票数 1
1回答
除了angular 1.5.8，我还使用了semantic-ui作为我的站点ui框架。
当侧边栏可见时发生的情况是，在卡片相应地移动到新的一行之前，浏览器必须在ui cards潜水中隐藏近50%的卡片。
<body ng-controller="MainCtrl">
<div class="pushable">
<div class="ui left vertical inverted visible thin sidebar menu">
<a class="item&#
浏览 0提问于2016-11-11得票数 1
我正在创建时间序列计量经济回归模型。数据存储在Pandas数据帧中。
如何使用Python进行滞后的时间序列计量分析？我以前使用过Eviews (这是一个独立的计量经济程序，即不是Python包)。要使用Eview估计OLS方程，您可以编写如下内容：
equation eq1.ls log(usales) c log(usales(-1)) log(price(-1)) tv_spend radio_spend
注意滞后的、依赖的和滞后的价格条件。使用Python似乎很难处理这些滞后变量，例如使用scikit或状态模型(除非我遗漏了什么)。
一旦我创建了一个模型，我想要执行测试并使用该模型进行
浏览 1提问于2016-10-03得票数 19
回答已采纳
1回答
时间序列-相关和滞后时间
、、、
我正在研究一组输入变量和一个响应变量，价格之间的相关性。这些都是时间序列。
( 1)输入变量为周期性(自回归)的情况下，是否有必要使曲线平滑？如果是这样的话，是怎么做的？
2)一旦建立了相关关系，我想准确地量化输入变量对响应变量的影响。例句：“一旦X增加超过10%，6个月后Y就会增加2%。”
我应该使用哪些python库来实现这个功能--特别是为了，找出两个相关事件之间的滞后时间？
示例：
我已经看过了：，但是它似乎只处理预测一个变量的问题。在中，协方差矩阵可以告诉我有关相关性，但无助于计算滞后时间。
浏览 2提问于2014-08-15得票数 4
回答已采纳
1回答
如何获取终端属性
、、
我经常并行处理多个项目，并在完成某项工作后运行一些长时间的测试或回归。我通常在结尾处添加一个mail -s "foo" id < /dev/null，以便知道任务何时结束，这样我就不必照看长时间的测试或回归。
我正在尝试自动化这一点，在这种情况下，我不必每次都键入邮件，只需调用脚本(将其别名为较少的字符-优化我键入的数量)，脚本就会从cwd中计算出测试/回归并发送一封电子邮件。我认为在电子邮件中发送终端标题或屏幕会话名称会很有用。有没有方法可以提取终端标题或Linux屏幕窗口名称？
浏览 0提问于2015-03-07得票数 1
我很难从混合效应回归中得到我需要的地块，我想知道我是否能得到一些帮助。
我想在X轴上得到一个日点图，或者在Y轴上有一个比300 on慢的反应时间，来观察时间的变化。
使用来自lme4的睡眠研究数据作为简单的样本数据。我强迫“一天”成为一个“因素”，以便模型每天给出一个OR值。
df <- data.frame(sleepstudy)
# Generate a categorical value for reaction time to be slower than 300ms
df <- df %>%
mutate(slow = ifelse(Reaction &
浏览 4提问于2022-06-27得票数 1
回答已采纳
1回答
我有一个每日时间序列数据集，我正在使用方法来预测未来。但是，我不知道如何在python中编写代码，这说明了多个季节性。据我所知，SARIMAX只负责一个季节，但我想检查每周、每月和季度的季节性。我知道要捕捉一周中的季节，我应该创建6个虚拟变量，来捕捉月份的季节性，创建30个虚拟变量，并且要捕获一年中的月份，创建11个虚拟变量。但我不知道如何将它与Python中的主要SARIMAX函数结合起来？我的意思是，SARIMAX只是一个函数，做自回归，移动平均和差分部分，但我应该如何在我的时间序列分析SARIMAX包括多个季节性代码？到目前为止，我知道如何为每个类别创建虚拟变量，但不知道如何将其复制到整
浏览 3提问于2018-06-06得票数 9
我们想知道如何将特性工程(或任何其他方式)应用于时间序列数据，以捕获特定的模式，如蓝线显示的，原始数据是：time stamp和value。我们得到了一些样本，其中有标记的数据，如y，表示当前时间是否处于期望的阶段。但是，当应用于测试数据时，性能却很差。现在考虑在滑动窗口中对其应用回归模型，以及该滑动窗口中的值如何线性地符合所需的模式。
📷
下面是我们在培训前知道的一些信息，大部分label==True都落在了绿色框区。所以，这就是为什么我们乐于更多地关注功能工程来捕捉这种模式。
📷
我想要的理想结果是分类预测:如果值处于充电阶段
TLDR版本：
input(ts, value, label)
浏览 0提问于2022-11-21得票数 0
1回答
我需要帮助，在我正在设计的算法中，下一步应该是什么。
由于NDA，我不能透露太多，但我会尝试成为通用和可理解的。
基本上，在算法中的几个步骤之后，我有以下内容：
对于我拥有的每个客户，以及他们在一个月内所做的事件，在第一步中，我已经将事件聚为几个类别(每个客户将事件分成从1到x为1到25之间的类别，通常第一类事件的密度比其他类别要高)。
对于每个类别和客户，我创建了一个时间序列，聚合每个小时的每月事件(获取这些事件何时完成的模式)。另外，我使用了几个规范化变量，这些变量基于一个月(30天)执行至少一个事件的天数，以及包含至少一个事件的总天数(聚合所有集群)。第一个给出了客户在这个月中的活跃程度
浏览 0提问于2016-01-07得票数 13
1回答
预测模型预测提前一天-滑动窗口
、、、、
我在纠结于一个问题。我使用SparkR进行时间序列预测，但是这个场景也可以转移到正常的R环境中。我不使用ARIMA模型，而是使用回归模型，如随机森林回归等来预测未来一天的负荷。我还阅读了滑动窗口方法，以评估不同参数组合的不同回归器的性能。因此，为了更好地理解，这是我的数据集结构的一个例子：
Timestamp UsageCPU UsageMemory Indicator Delay
2014-01-03 21:50:00 3123 1231 1 123
2014-01-03 22:00:00
浏览 3提问于2017-05-02得票数 6
回答已采纳
3回答
不规则时间序列的滚动回归
、、、
摘要(tldr)
我需要对不规则的时间序列(即间隔甚至不是周期性的，从0, 1, 2, 3...到...7, 20, 24, 28...)执行滚动回归，这是简单的数字，不一定需要日期/时间，但是滚动窗口需要 by time。因此，如果我有一个时间序列是不规则采样600秒，窗口是30，回归是每30秒，而不是每30个样本。
我读过一些例子，虽然我可以按时间复制滚动和中间值，但我似乎无法找到回归的方法。
问题所在
首先，我阅读了与对不规则时间序列数据执行滚动函数有关的其他一些问题，例如：和。
问题是，到目前为止，所提供的例子对于像sum或median这样的方程来说很简单，但我还没有弄清楚如何执行简单
浏览 7提问于2017-10-21得票数 2
7回答
时间序列预测/回归有哪些算法？
用神经网络怎么样？(这方面最好的博士?)
有没有python库/代码片段可以帮助？
浏览 17提问于2010-08-27得票数 27
回答已采纳
我想要估计变量LWAGE (对数工资)与EXP (工作年限)的回归关系。我的数据让参与者跟踪了7年，所以每年他们的工作经验都会增加1年。 当我对以下内容进行回归时 ??????=?0+?1???+?? 我用过 reg1 <- lm(LWAGE~EXP, data=df) 现在我试着做下面的回归： ???????=?0+?1?????+?i. 但我不确定如何将基于时间的部分包含到我的回归中。我到处找，但找不到任何相关的东西。
浏览 24提问于2021-01-25得票数 0
1回答
我拥有的数据是一个时间序列数据(股票回报)，我正在训练一个随机森林回归者。观察总数= 2499
为了更好地评估性能，我实现了滚动窗口测试，其训练窗口大小为500、700、900、…、2100。虽然从本能上看，选择一个产生最低RMSE的窗口大小似乎是显而易见的，但我如何确保比较是公平的呢？
我的意思是，随着窗口大小的增加，测试集的大小会减少。窗口大小为500，测试集大小为1999。使用窗口大小700，测试集大小为1799。
我认为同样的问题也适用于扩大窗口。
那么，当测试样本的尺寸变小时，比较RMSE是否明智？
如果没有，那么应该如何选择最佳的培训窗口？
浏览 0提问于2021-08-13得票数 0
<?xml version="1.0" encoding="utf-8"?>
<mx:Application xmlns:mx="http://www.adobe.com/2006/mxml" layout="absolute">
<mx:Canvas width="100%" height="100%">
<mx:Canvas backgroundColor="#A8A8A8" height="
浏览 4提问于2010-12-08得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
