基于神经网络的时间序列for循环和滞后函数数据格式化
是一种数据处理方法，用于将时间序列数据转换为适合神经网络模型训练的格式。它主要包括两个步骤：for循环和滞后函数。
- For循环：对于时间序列数据，使用for循环将数据按照固定的时间窗口划分为多个子序列。每个子序列包含一段连续的时间步长内的数据。这样可以将时间序列数据转换为多个样本，每个样本包含一段时间窗口内的数据。
- 滞后函数：在时间序列数据中，滞后函数是指将当前时间步的数据作为输入，预测未来若干个时间步的数据。通过引入滞后函数，可以将时间序列数据转换为监督学习问题，使得神经网络可以学习序列之间的关系。
基于神经网络的时间序列for循环和滞后函数数据格式化的优势在于：
- 捕捉序列关系：通过将时间序列数据转换为多个样本和引入滞后函数，可以更好地捕捉序列之间的关系，提高模型对序列数据的建模能力。
- 提高预测准确性：神经网络在处理时间序列数据时具有较强的非线性建模能力，通过适当的网络结构和参数调整，可以提高对未来数据的预测准确性。
- 适用于多种应用场景：基于神经网络的时间序列for循环和滞后函数数据格式化适用于多种时间序列预测和分析任务，如股票价格预测、天气预测、交通流量预测等。
腾讯云提供了一系列与时间序列数据处理和神经网络相关的产品和服务，包括：
- 云服务器（ECS）：提供灵活可扩展的计算资源，用于搭建和训练神经网络模型。
- 云数据库（CDB）：提供高可用、可扩展的数据库服务，用于存储和管理时间序列数据。
- 人工智能平台（AI Lab）：提供丰富的人工智能开发工具和算法库，支持神经网络模型的训练和部署。
- 云函数（SCF）：提供事件驱动的无服务器计算服务，可用于实时处理时间序列数据。
- 云监控（Cloud Monitor）：提供实时监控和告警功能，用于监测神经网络模型的运行状态和性能。
更多关于腾讯云相关产品和服务的详细介绍，请参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
目标:在训练神经网络(主要是LSTM和/或CNN)时，尝试使用时间序列Goal调谐器的前向验证策略。
有人找到直接的方法了吗？
我能想到的一种可能方法是：
实现自定义的“目标”函数，例如使用遍历验证策略的“均方误差”。
这个自定义函数可以通过调谐器中的“objective”输入参数传递(不管是RandomSearch、BayesianOptimization、Hyperband.)
调用tuner.search时，我们将传递列车和验证数据，这些数据将用于前进自定义函数中。
提前感谢
浏览 0提问于2020-04-30得票数 1
我有一个429x1矢量，表示水文时间序列。我期待“滞后”时间序列的时间步长，并将其转化为一个矩阵输入到nftool进行一些人工神经网络分析。矩阵的宽度由输入层中的输入神经元数量控制，这是我从扩展表中读取的值。这就是我想用一个更短的时间序列来说明这个例子：
inp_neur = 5; % amount of input neurons (read in from excel)
A = [9;6;8;3;2]; % hypothetical hydrological time series
% do pad zero process
结果：
newA =
9 0
浏览 2提问于2012-12-19得票数 4
回答已采纳
1回答
在最近的一篇论文中，我研究了一种新的基于集成经验ModeDecomposition的日地表温度ModeDecomposition的混合数据驱动模型--长期记忆神经网络( 这里 )。
本文提出的EEMD方案确实是一种设计良好的地表温度预测模型，具有较高的精度。我正在阅读并尝试实现给定的步骤(如出版物中提到的)，并使用类似的气候时间序列数据。我得到了不同的基金和残余物。
接下来的步骤是向LSTM提供所有IMFs和残差，如3.5节(预测IMFs)中所述，为了修复LSTM的输入，必须进行部分自相关函数( PACF )分析，95%置信区间(CI)以上的滞后数是LSTM的输入数。
我知道您正在得到分解结果
浏览 0提问于2018-10-02得票数 1
在时间序列分析中，我使用R package urca (Bernard Pfaff)的ur.df检验测试了30个时间序列，62个观测值，单位根的滞后长度由AIC标准决定。没有例外，选择的滞后长度为1。这似乎非常令人难以置信。使用R包CADFtest (如果选择x~1，它将执行普通的ADF测试)的CADF测试，以及选择滞后长度的AIC准则进行测试，滞后数量在0到7之间变化。有人可以解释urca中一致且较短的滞后长度的趋势吗？
此外，如果ur.df和CADFtest中的滞后长度相同，则测试统计数据不同。例如，对于荷兰1950年至2010年的时间序列lcon (人均消费的自然对数)，ur.df的检验
浏览 1提问于2013-06-19得票数 2
亲爱的数据科学界，
对于一个小项目，我已经开始研究神经网络作为一种回归工具，但我仍然对某些变体的可能性感到困惑。以下是我的目标：
我有多个输入数据时间序列X(t)=[X_1(t), X_2(t), X_3(t),X_4(t)]，和多个目标数据时间序列，我想建模Y(t)=[Y_1(t), Y_2(t)]。所有数据都可用于培训。
我的目标是在区间[t_0,t_n]上训练我的模型/回归，然后能够在更大的不同间隔上应用它。
我知道，我的Y和X之间的关系是非线性的，但也需要考虑到滞后或惯性。例如，Y_1(t)依赖于X_1([t-dt_1,t])和X_2([t-dt_2,t])。所有的dt_n都是不同的，
浏览 0提问于2019-01-13得票数 3
回答已采纳
3回答
我正在使用keras软件包在R中运行一个LSTM神经网络，试图对比特币进行时间序列预测。我遇到的问题是，虽然我的预测值似乎是合理的，但出于某种原因，它们是“滞后”或“落后”的真正价值。下面是我的一些代码，下面我有一些图表来展示我的意思。我的模型代码：
batch_size = 2
model <- keras_model_sequential()
model%>%
layer_lstm(units=22,
batch_input_shape = c(batch_size, 1, 22), use_bias = TRU
浏览 0提问于2020-06-29得票数 4
1回答
我想用LSTM神经网络对蛋白质序列根据寄主种类进行分类。例如，我有这些字母序列(玩具示例，只是为了理解)：
MNTQILVFIACVLIEAKGDKICL属于人类
AKGDKICLMNTQILVFIACVLIE属于人类
MNTQAKGDKICLILVFIACVLIE属于狗
只有根据子序列的位置，AKGDKICL的序列才不同，我的网络应该学会识别。LSTM网络能够做到这一点吗？
我正试图集中讨论长期短期记忆的意义。来自递归神经网络及其赋权数学简介：
递归神经网络(RNN)是一种特殊类型的人工神经网络，适用于时间序列数据或涉及序列的数据。普通的前馈神经网络只适用于相互独立的数据点。然而，如果我们有
浏览 0提问于2022-02-06得票数 1
我现在有一个巨大的时间序列数组，包含多个证券和经济统计的时间序列数据。
我已经编写了一个函数来对数据进行分类，使用sci学习，但是这个函数只使用非滞后的时间序列数据。
是否有一种方法，在Python中，使用sci-kit，自动滞后所有这些时间序列以查找-时间序列(如果有的话)倾向于滞后其他数据？
我正在创建一个使用历史数据来预测未来性能的模型。
浏览 5提问于2016-05-11得票数 0
回答已采纳
我希望建立一个用于预测的神经网络模型。我正在尝试将我的数据转换为图像中显示的格式。我使用lag函数来延迟时间序列的数据，还使用2FOR循环来尝试以这种格式设置数据，但我在一段时间内对此感到非常困惑和挣扎。我如何使用2 for循环和滞后函数来为神经网络预测设置这样的数据？ 格式： ? 当前代码： data <-
structure(
list(
`USD/EUR` = c(
1.373,
1.386,
1.3768,
1.3718,
1.3774,
1.3672,
浏览 27提问于2021-04-10得票数 1
回答已采纳
我想使用ANN自动交易货币，最好是美元/欧元或美元/英镑。我知道这很难，而且可能不是直截了当。我已经读过一些论文，做了一些实验，但运气不佳。我想征求专家的意见，使这项工作。
以下是我迄今所做的工作：
我得到了2013年7月份的滴答数据。它有出价/要求/出价量/索价量。
提取时间为中午12点至下午14点的所有时间点。
根据这些数据，创建了一个数据集，其中每个条目按顺序由n个出价值组成。
用这些数据训练具有n-1输入的神经网络，输出是预测的第n个投标值。
ANN有n-1输入神经元、(n-1)*2 +1隐藏神经元和1个输出神经元.输入层有线性TF，隐藏层有对数TF，输出层有线性TF。
先用n-125
浏览 0提问于2014-07-02得票数 10
我目前正在尝试在两个数据集之间运行回归。然而，一个落后于另一个，但我不确定滞后有多大或有多强。
有没有办法找到两个数据集之间的最佳滞后时间？例如，假设一个数据集相对于另一个数据集显示出大约12个月的滞后，但我们不确定这是最好的相关周期。换句话说，14个月的期限可能会显示出更强的相关性。
如果没有独立运行每个时间段的相关性，我们如何找到最佳滞后时间段？
PS:我正在尝试用python和Scikit-learn来完成这一切
谢谢
浏览 3提问于2016-02-04得票数 0
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
我一直在做一些关于递归神经网络的研究，但我很难理解它们是否以及如何用于分析面板数据(即在不同时间段为几个对象捕获的横截面数据-例如，参见下面的样本数据)我所见过的.Most RNN示例与文本序列有关，而不是真正的面板数据，所以我不确定它们是否适用于这种类型的数据。
示例数据：
ID TIME Y X1 X2 X3
1 1 5 3 0 10
1 2 5 2 2 6
1 3 6 6 3 11
2 1 2 2
浏览 3提问于2016-10-13得票数 13
1回答
当预测时间序列时，人们可以将问题从经典的时间序列(ARIMA模型)转变为监督学习(通过添加滞后特征)。
当时间序列很长，并将其转换为有监督的学习时，最终会有许多特性。
如果我们之前做过ARIMA建模，并找到了AR，I，MA，参数。
我们可以使用这些知识/参数来选择滞后特征的子集吗？
浏览 0提问于2020-05-04得票数 1
我正在考虑一个VECM的两个时间序列(贷款未偿还和中央银行准备金)。我的数据集包含106个月观测数据。
为了确定适当的滞后长度，我考虑使用vars包中的VARselect()函数。选择lag.max的一个自然选择是12，代表一年。
但是，我注意到结果在很大程度上取决于max.lag选项的值。以下是三个例子：
> VARselect(data, type = "trend", lag.max = 12)
$selection
AIC(n) HQ(n) SC(n) FPE(n)
7 6 1 7
> VARselect(d
浏览 17提问于2017-10-27得票数 2
2回答
我是一个新的R用户。我有一个时间序列横截面数据集，虽然我已经找到了在R中滞后时间序列数据的方法，但我还没有找到一种方法来创建滞后的时间序列横截面变量，以便在我的分析中使用它们。
浏览 0提问于2009-12-29得票数 4
回答已采纳
假设DD是时间序列数据(一列和X行)。以样本外的形式从数据的末尾分离出11个样本，并利用MATLAB对神经网络进行训练.神经网络在训练、测试和验证数据(拟合app神经网络的默认特性：fitnet)中性能良好。
for ii = 31 : (numel(DD)-1)
D_0(ii-30,1) = DD(ii-0);
D_1(ii-30,1) = DD(ii-1);
D_2(ii-30,1) = DD(ii-2);
D_3(ii-30,1) = DD(ii-3);
D_4(ii-30,1) = DD(ii-4);
D_5(ii-30,1) = DD(
浏览 7提问于2016-01-13得票数 0
回答已采纳
最近，我讨论了RNN/LSTM在时间序列分析中与其他神经网络(如MLP或CNN )相比的优势。
另一方说：
只要神经网络足够深，就可以建立时间连接模型。
RNN刚刚被使用，因为它们更快。
与RNN相比，较旧的(如t-20)时点与较新的时点(如t-1)没有多大关系，因为来自较老时点的数据必须经过所有神经元，直到该神经元的权重得到更新。
与RNN相比，一般NN的权矩阵更容易理解，而RNN则部分地理解了NN的行为。
我对此的回答是：
每个人都建议使用LSTMs进行时间序列分析。
与滑动窗法相比，它可以更好地考虑时间，特别是当序列长度相当长的时候。
如果你使用香草RNN而不是LSTM，就会发生这种情况
浏览 0提问于2017-09-14得票数 8
回答已采纳
1回答
我想找出时间序列回归的最佳神经网络类型。我会这样描述我的情景：
我有来自A，B，C，D，E和F传感器的一维时间序列数据。
我试图通过使用A传感器的数据为传感器F数据生成一个回归模型。
我知道对于一些传感器，我需要考虑最后X个小时的数据，才能有一个合适的模型。这个“延迟”对于每个传感器都是不同的(例如，我需要使用传感器A的最后6个小时，对use使用最后的30分钟)，但随着时间的推移保持一致。
我有一个最大“延迟”的近似估计，但我不知道每个传感器的精确(这使我无法预处理我的数据)。
我的目标是能够生成一个针对所有传感器数据的模型/网络，然后将其应用于case中的新数据，并将
浏览 1提问于2019-01-11得票数 0
3回答
我见过许多ML数据集都有竞争(比如imageNet)。我一直在为航空公司乘客数据集寻找某种竞争或最先进的LSTM解决方案，但我所能找到的都是非常糟糕的解决方案(比如下个月将像本月一样)，并且有一些杂乱无章的论点，如果调整参数，就可以得到一个很好的解决方案。我找到的最好的集成LSTM解决方案是神经网络时间序列预测中的混沌控制，但我正在寻找单一的LSTM解决方案。
所以我的问题是，已知的最先进的LSTM解决方案是什么(如果有的话，也许是其中的一个时间表)，如果没有，为什么呢？从数据上看，这似乎是一个简单的问题。是否有其他众所周知的时间序列预测数据集，其中一个基准LSTM解决方案？
浏览 0提问于2023-03-25得票数 2
回答已采纳
2回答
我有一个df的股票价格，我想要计算的回报，因此，我需要计算今天的价值-昨天的每一个滞后。此外，我希望这是滞后1天，因为我想知道昨天的回归是如何影响我今天的决定。我尝试了sapply(importData, function(x) diff(x) / lag(x, k=-1))，但这给了我完全不同的价值观。
下面是一个示例值:股票1的值为今天的16.49，昨天的16.32，因此我预计昨天值之前的单元格值为0.17，因为它是滞后的1，但公式给我一个-0.031。
我想我一定理解错了密码，有人能帮我一下吗？
编辑:下面是一些测试数据
时间_库存1
第1天-18.85
第2天-18.32
第3天-18
浏览 2提问于2016-11-23得票数 1
回答已采纳
1回答
我想实现一个简单的前馈神经网络来逼近函数y=f(x)=ax^2，其中a是一些常数，x是输入值。
该神经网络具有一个输入节点，一个具有1-n节点的隐藏层和一个输出节点.例如，我输入值2.0 -> -- NN生成4.0，再次输入3.0 -> -- NN生成9.0或接近它，等等。
如果我理解“在线培训”，训练数据是一个接一个的输入值2.0 ->，我用梯度迭代100次，然后传递值3.0，再迭代100次。
但是，当我尝试用我的实验/学习神经网络(我输入值为2.0 -> )来实现这一点时，错误得到了很小的-> --输出非常接近于4.0。
现在，如果我想预测输入3.0
浏览 2提问于2017-11-27得票数 0
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
这是一个关于在深度学习中使用不同长度的时间序列的概念性问题：
我有对标准化特征的观察，这些特征发生在不规则的间隔上，其中包括在每个单独的测量中基于时间的特征。然后，我将这个多变量时间序列(面板数据)简化为每个时间序列的单个连续特征向量。然后，我为这些向量上的二进制分类任务构建了一个深度神经网络，现在如下所示：
xxxx(T=2)xxxx(T=4)xxxx(T=5)
xxxx(T=1)xxxx(T=2)
xxxx(T=3)
xxxx(T=1)xxxx(T=2)xxxx(T=3)xxxx(T=5)
然后用零填充结束，使其长度相同。
每个"xxxxT“代表一个观察，其中”x“是非时态特征，&
浏览 3提问于2017-03-24得票数 3
回答已采纳
2回答
我的前馈神经网络有150个输入神经元，25个隐藏神经元和3个输出神经元。我的训练数据集有43104个样本，我的验证和测试数据集分别包含9237个样本。我正在使用验证检查来停止培训。验证检查设置为6。但是，我的神经网络在11次迭代中停止训练！那是不是太早了？
谢谢。
浏览 1提问于2014-03-05得票数 2
2回答
我是一个在业余时间学习数据科学的高中生.我得到了一个能够解决xor问题的神经网络。我的神经网络使用sigmoid作为隐层和输出层的激活函数。它也只有一个隐藏层。我想知道用我的神经网络可以解决的最简单的问题是什么。我想要一个数据库，其中有一个概率输出或类似的东西，因为我在把乙状结肠输出转换成正常值时遇到了问题。我看过UCI机器学习库，但没有发现什么女巫吸引了我的眼球。如能提供任何帮助，我将不胜感激！)
浏览 0提问于2018-08-25得票数 1
回答已采纳
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
在Keras的LSTM实现中的默认模式(有状态=假)中，批处理中的所有样本都是独立的，状态不会从一个样本传播到下一个样本。根据我的理解，输入序列长度(L)是保持LSTM状态的唯一方法。但从理论上讲，这种操作方式与具有固定大小滑动输入窗口的前馈神经网络相比，将状态传播限制在固定的时间步长上。因此，神经网络的每个输入都是L个连续输入值的向量。
理论上，LSTM应该能够学习跨越1000个时间步骤的长期依赖关系。但是，这不需要L= 1000，因为没有办法捕获比输入序列长度更长的依赖项吗？我知道可以通过格式化输入数据来使用有状态模式，以便每个批的第一个示例是依赖的。我很难理解默认的LSTM模式比具有滑动
浏览 1提问于2017-05-26得票数 6
2回答
我正在努力理解如何使用神经网络来预测一些值。
据我所知，我可以用一些时间序列来训练我的神经网络。
因此，如果我有，例如，特定股票的每日报价，我可以用这些值训练网络。
但是，如果我将每天的报价作为向量[42, 12, 20, 53, 18]，并且我想预测下一个值，这不是一个线性回归问题，使用公式Y = 0.7X + 31.1，得到26.9作为下一个(第6)值吗？
只有当输出依赖于许多输入时，神经网络才有用吗？谁能给我一个有效的例子，说明如何预测时间序列的下一个结果，表明使用神经网络比多元回归更有用？
例如，我看过，但它们没有提供任何简单的示例来预测结果。
我是神经网络的新手，所以如果这个问题真的
浏览 4提问于2016-08-09得票数 0
2回答
假设我有一组时间序列数据y[t],，我想对它应用一个运算符H(B) = (1 - \phi*B)/(1 + \theta*B)，其中phi和theta是常量，B是滞后运算符。我如何在R中做到这一点？filter命令只允许我应用分子，而不是分母。
浏览 0提问于2013-05-22得票数 1
回答已采纳
我用nestjs和typeorm
下面是列created_at的实体代码
@CreateDateColumn({
type: "datetime",
precision: 0,
default: () => "CURRENT_TIMESTAMP()"
})
created_at: Date
此代码正在正确的fprmat中标记mariadb数据库中的日期和时间，如下所示
在向客户端发送响应时，此日期时间格式从"2022-04-30 11:45:57“更改为"2022-04-30T06:23:59.00
浏览 17提问于2022-04-30得票数 1
我读过一些关于ML时间序列预测的文献。我有个概念
趋势
季节性
循环式
噪声
我想使用scikit-learn的LinearRegression()作为一个开始来进行预测。如果我做得对，我可以利用一些特性工程来捕捉季节性和周期性，比如day_of_week、month或seasons。不过，我不明白如何在数据中捕捉趋势。它是滞后特性还是列计算差异，而不是总计？
浏览 7提问于2021-05-13得票数 0
1回答
最近数据权重更大的RNN
、、、、
我正在做LSTM的股票预测样本数据。最近的神经网络似乎没有给出更多的权重，最近的data.The权重在RNN中的不同时间步骤中都是平等的。我们是否可以选择增加最近数据的权重？(在LSTM或RNN中有任何参数)。
你能纠正我或者给我更多的投入吗？
提前谢谢。
浏览 12提问于2020-12-29得票数 0
回答已采纳
在状态模型中，对于SARIMAX或ARIMA模型，我想使用多个额外的外部变量(外生变量)。例如，我想用滞后时间序列的AR和天气温度时间序列的滞后4的AR，以及市场价格的另一个变量和滞后3的AR，来预测在时间t的收益率。对于如何做到这一点，有什么例子或解释吗？
浏览 3提问于2017-05-27得票数 8
我连接了3个股票报价数据帧，所有的日期-时间索引。但是，它们的开始日期不同，因此结果数据框架包含了股票报价的NaN值和最近的开始日期。
📷
我应该直接使用NaN删除行，并使用所有值都有值的行启动新的数据框架，还是有方法填充它们？我计划利用这些数据来训练一个预测未来股票行情的神经网络。
浏览 0提问于2019-05-05得票数 2
我有一个问题，在预测时间序列时，使用的是特性而不是时间序列本身。我知道，如果我使用时间序列的滞后值来预测，我应该使用基于时间的列车测试分割，但我想知道如果我使用外部特性，是否也是这样。假设我试图使用温度(X特征)来预测西瓜的消费量，而不是使用西瓜的时间序列。撇开使用时间序列比较好的问题不谈，对于基于特征的预测，做一个正常(随机)的列车测试-分割，这样我就可以用11月的日子(温度、西瓜消费量)和测试看不见的数据进行训练，但它是在技术上收集的(比如9月份)吗？
考虑到随机测试拆分的有效性，我知道不同的月份可能很重要，不仅仅是温度本身，而是一个简单的例子，试图澄清我的担忧。
提前谢谢。
浏览 0提问于2022-02-14得票数 0
回答已采纳
2回答
我有一个具有单个预测器和一个实值输出的时间序列回归问题，我想使用LSTM递归神经网络对数据进行建模。我应该如何选择模型中的时间步数？LSTM层的长度有上限吗？
浏览 1提问于2016-12-22得票数 4
我在python中训练了一个神经网络，并希望将权值加载到simulink中，以传递给一个函数来构建网络。我想我可以从工作区中使用，但它似乎不处理结构的非时间序列数据。我明白错误了。
Invalid structure-format variable specified as workspace input in 'PMSM_FCS_MPC/From Workspace'. If
the input signal is a bus signal, the variable must be a structure of MATLAB timeseries objects.
Othe
浏览 0提问于2019-04-30得票数 1
回答已采纳
1回答
我不能理解如何使用已经训练好的神经网络模型。我在python上编程，我使用的是库keras。我分析时间序列。训练神经网络，保存模型。
正如keras文档中所述，您需要调用model_name.predict ()方法。好的。我这样做: model.predict ( dataset )，其中dataset是过去90天的值。我需要提前预测，比如说，10天。
但是预测只针对指定的数据集90天！也就是说，您只能比较原始数据和预测。
那么，从今天开始如何提前10天进行预测呢？
浏览 18提问于2018-01-24得票数 0
1回答
我遇到了这个问题()，是关于使用Encog进行神经网络在线学习的。我想问一个相关的问题。假设我有x个数据点来训练神经网络。经过训练，我得到了y个新的数据点。这个想法是使用x+y数据点的神经网络。然而，由于这些x点已经用于训练网络，是否可以使用这些y数据点训练相同的网络而不进行任何重置，并且具有使用x和y数据点训练网络的效果，而不是花费时间从头开始重新训练所有东西。或者它已经完成了这个：？
浏览 1提问于2015-08-05得票数 0
3回答
纵向数据分析参考文献
、、、、
因此，我的目标是利用一些数据挖掘技术来研究纵向数据(时间序列中的数据)。最终，我希望能够“预测”结果。例如，对患者的多年/月研究(重复测量)可以使用logistic回归、神经网络等方法来预测某些疾病。
我正在使用R，但是我很难找到关于这个问题的好参考资料。我有数学背景，尽管我以前应用过一些数据挖掘技术，但我从未将这些技术应用于时间序列。
如果有人能给我推荐一些很好的理论参考或R中的实际例子，那将是非常感谢的。另外，如果你知道一篇关于时间序列分析的相关文章，那就太好了。提前谢谢。
浏览 0提问于2019-09-17得票数 1
回答已采纳
我正在使用MATLAB工具箱，特别是，。
为了将数据插入到函数中，作者定义了一个数据矩阵，然后对表示一个序列的第三列使用数据(：，3)。
我想做这个添加数据(：，3)滞后一段时间。
我的问题是:我是否可以在Matlab中写一些东西，使数据集滞后一个周期，然后插入到函数中。
浏览 0提问于2018-12-18得票数 2
回答已采纳
2回答
我有一个基本的问题，选择正确的架构，我的深度学习任务。
当输入信号$X(t)$作为输入信号输入到系统的时间函数时，产生输出$Y(t)$，这也是时间的函数。
我对许多输入信号( $X_1、X_2、X_3、...$ )和许多输出信号( $Y_1、Y_2、Y_3、...$ )进行了实验。
我不想做更多的实验，而是生成神经网络，在那里我可以输入信号X (t)并得到输出Y (t)。我想使用已经测量的数据作为培训数据。
在我看来，这看起来像回归问题，但涉及时间序列数据。出现在脑海中的神经网络结构之一是RNN、LSTM或CNN。人们主要使用LSTM来预测问题(知道历史来预测未来)，而不是回归。
所以我可以使
浏览 0提问于2018-06-30得票数 1
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
2回答
我试图绘制两个时间序列之间的自相关图，以寻找所需的滞后。Python库提供了一个用于研究时间序列对自身的滞后影响的statsmodels.graphics.tsaplots。
我如何绘制这种滞后的相关性，以探索一个时间序列影响另一个时间序列，以了解我应该选择哪一个滞后？
浏览 2提问于2019-04-05得票数 0
回答已采纳
1回答
如何组合分布相似的数据？
、、、、
我收集的时间序列数据与数据点约2年的每日数据。我想出一种方法来增加数据点的数量，这样神经网络就能更好地理解数据的波动。我提出了一个假设，我试图按照相似的分布对相似的时间序列数据进行聚类，以增加输入到神经网络的数据点的数量。这是解决问题的正确方法吗？如果是这样的话，我在什么基础上将这些相似的数据组合在一起，这样我就可以把它输入到神经网络/模型中？
浏览 0提问于2019-08-31得票数 2
2回答
假设我想预测去医院就诊的人数。我已经有了每天去医院的人数的历史记录，简单神经网络(MLP)很好地捕捉到了这一点。
我想看看我是否可以通过整合天气数据来进一步提高性能(例如，我们预计当天气变旧时，可能会有更多的人去医院)。
我正在查看的各种R包似乎不允许我提供原始时间序列数据之外的第二个特性。
有什么建议吗？
浏览 8提问于2018-12-05得票数 0
我有两个文件和加速器读数，我想得到一些度量/测量，以获得这两个文件之间的相似性。我试过皮尔逊R系数，dtw距离，dtw分数。Pearson‘s r给出一个值，如果文件相同，则返回值1，如果文件相同，dtw分数和路径为0。
但我需要一个解决方案，如果文件是那些在数字中，类似，有一点时间滞后。它们是两个不同的加速器的读数，它们连接在同一个源上。采样频率和幅值不一致。即使是读数的数目也不一样。时间戳可能会有所不同。
如何度量这些文件之间的相似性？我是否可以使用Python获得度量或度量？因为dtw评分和dtw距离确实提供了一些输出，但是我不可能使用这些值来表示文件是相似的。
📷
📷
浏览 0提问于2020-12-07得票数 1
1回答
用神经网络预测向量的演化
、、、
我想预测2D序列的演化(三维是时间)，并使用预测序列(连同先前预测的序列和一些标量值随时间变化)来预测下一个2D序列，并最终使用该预测来预测接下来的时间序列。
数据的2D时间切片示例：
📷
我想训练我的神经网络来预测一个新的二维“轮廓”(三维轮廓的时间切片)，基于最后的~3轮廓和一个时变的标量参数。什么样的神经网络体系结构(S)能够及时预测下一个二维剖面？我怀疑RNN，但哪种子模型会对此起作用(例如seq2seq，NMT等)？
我们将非常感谢您的帮助！
浏览 0提问于2018-07-03得票数 3
回答已采纳
1回答
在图片中，有数据和目标在时间序列中。数据被填充，直到达到最大长度。目标是由人类标记的。它确定了脉冲的起始点和停止点。
第一个想法是将时间序列编码成类似文本的DNA序列，然后将机器翻译应用于它。我的灵感来自于英语和德语的翻译(也称替换词)。
更新2021年5月27日：
我在卡格尔上发现了一个类似的实验
问题：
假设我在这个数据集上使用seq2seq神经网络训练。后来，我用同样的数据进行测试，但把时间移到右边1000点.它能探测到新的起点和新的停止点吗？
如果不是
神经网络能检测到起点和停止点吗？
📷
浏览 0提问于2021-05-19得票数 1
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
