原文鏈接：http://tecdat.cn/?p=22673 原文出處：拓端數據部落公眾號 方法 Prophet異常檢測使用了Prophet時間序列預測。基本的Prophet模型是一個可分解的單變量時間序列模型，結合了趨勢、季節性和節假日效應。該模型預測還包括一個圍繞估計的趨勢部分 ...

原文鏈接：http://tecdat.cn/?p=20434 本文從實踐角度討論了季節性單位根。我們考慮一些時間序列 ，例如道路上的交通流量， > plot(T,X ...

上篇說明了分解非季節性數據的方法。就是通過TTS包的SMA（）函數進行簡單移動平均平滑。讓看似沒有規律或沒有趨勢的曲線變的有規律或趨勢。然后再進行時間序列曲線的回歸預測。 本次，開始分解季節性時間序列。 一個季節性時間序列中會包含三部分，趨勢部分、季節性部分和無規則部分 ...

原文鏈接：http://tecdat.cn/?p=25122 原文出處：拓端數據部落公眾號 當一個序列遵循隨機游走模型時，就說它是非平穩的。我們可以通過對時間序列進行一階差分來對其進行平穩化，這將產生一個平穩序列，即零均值白噪聲序列。例如，股票的股價遵循隨機游走模型，收益序列（價格序列 ...

原文鏈接：http://tecdat.cn/?p=18149 當我們將CNN（卷積神經網絡）模型用於訓練多維類型的數據（例如圖像）時，它們非常有用。我們還可以實現CNN模型進行回歸數據分析。我們之前使用Python進行CNN模型回歸 ，在本文中，我們在R中實現相同的方法。我們使用一維卷積 ...

原文鏈接：http://tecdat.cn/?p=17950 在本文中，我們使用了邏輯回歸、決策樹和隨機森林模型來對信用數據集進行分類預測並比較了它們的性能。數據集是 看起來所有變量都是數字變量，但實際上，大多數都是因子變量， > ...

原文鏈接 ：http://tecdat.cn/?p=19542 時間序列預測問題是預測建模問題中的一種困難類型。 與回歸預測建模不同，時間序列還增加了輸入變量之間序列依賴的復雜性。 用於處理序列依賴性的強大神經網絡稱為 遞歸神經網絡。長短期記憶網絡 ...

原文鏈接：http://tecdat.cn/?p=21757 時間序列模型根據研究對象是否隨機分為確定性模型和隨機性模型兩大類。 隨機時間序列模型即是指僅用它的過去值及隨機擾動項所建立起來的模型,建立具體的模型,需解決如下三個問題模型的具體形式、時序變量的滯后期以及隨機擾動項的結構 ...