Публикации по теме 'time-series-analysis'
Временные ряды - Преступления Нью-Йорка
Введение
Для этого проекта я решил проанализировать и построить модель временных рядов, предсказывающую количество преступлений в ближайшие 5 лет, разделенных по районам. Я получил набор данных с веб-сайта полиции Нью-Йорка со всеми типами информации о преступлениях с 2006 по 2019 год. После очистки описаний преступлений, мест, типов данных и нулевых значений я получил около 5 миллионов инцидентов с начала 2006 года по конец 2019 года. конец 2019 года. Затем данные были сгруппированы по..
Настройка гиперпараметров для анализа причинно-следственных связей временных рядов в R
Настройка гиперпараметров для пакета Google R CausalImpact для вмешательства во временные ряды с помощью байесовской модели структурных временных рядов (BSTS)
Пакет CausalImpact , созданный Google, оценивает влияние вмешательства на временной ряд. В этом уроке мы поговорим о том, как настроить гиперпараметры модели причинного воздействия временных рядов с помощью R…
Временные ряды + нейронные сети: избегайте этого!
Итак, я занимаюсь этим уже довольно давно, экспериментируя с наборами данных временных рядов и нейронными сетями, и хотел бы поделиться здесь некоторыми мыслями, которые, надеюсь, могут оказаться полезными для других, чтобы избежать некоторых ненужных ошибок.
Мы знаем, что нейронные сети могут страдать от явления, называемого ковариатным сдвигом. Для тех, кто не в курсе, очень коротко, это изменение распределения выходных активаций при изменении параметров сети. То, что мы хотели бы..
Прогнозирование временных рядов с помощью ARIMA, часть 2
Анализ временных рядов является важной областью науки о данных, которая занимается анализом точек данных, собранных с течением времени. В этом блоге мы обсудим анализ временных рядов с использованием Python и продемонстрируем его на примере.
Данные временных рядов часто характеризуются тенденциями и шаблонами, которые можно анализировать и моделировать, чтобы делать прогнозы о будущем поведении. Это широко используемый метод в различных областях, таких как финансы, экономика,..
Понимание тенденций временных рядов
Детерминированные тренды против стохастических трендов и как с ними бороться
Обнаружение тренда и работа с ним — ключевой шаг в моделировании временных рядов.
В этой статье мы:
Описать тренд временного ряда и его различные характеристики; Узнайте, как его обнаружить; Обсудите способы борьбы с трендом;
Понимание тенденции
Тренд как строительный блок временного ряда
В любой момент времени временной ряд можно разбить на три части: тренд, сезонность и остаток.
Тренд..
Прогнозирование волатильности цен на акции для создания торгового бота с помощью Python
Узнайте, как использовать статистическую модель для прогнозирования волатильности цен на акции и формирования потенциальной стратегии алго-трейдинга.
Прогнозирование доходности акций может быть заманчивым, это может показаться хорошей идеей, но сложно делать это точно и последовательно. Часто лучше оставить хорошо оборудованным учреждениям.
Выявление закономерностей в данных временных рядов путем исключения выбросов
В первых двух частях этой серии мы обсудили важность очистки данных временных рядов и рассмотрели методы обработки недостающих данных и избавления от тренда и стационарности . В этом третьем мы углубимся в важный аспект очистки данных временных рядов: удаление выбросов.
Выбросы — это точки данных, которые значительно отличаются от остальных данных. Они могут быть вызваны ошибками измерения, ошибками ввода данных или даже естественными вариациями данных. Выбросы могут оказать..
