問題タブ [forecasting]

私はいくつかの地理データを分析し、時間とその地理的位置に関してイベントの次の発生を予測/予測しようとしていました。データは次の順序でした（サンプルデータを含む）

最初のステップは、それを100のゾーンに分類することでした。これにより、ディメンションと複雑さが軽減されます。

次のステップは時系列分析を行うことでした。それから私はここで2か月間立ち往生し、たくさんの文献を読んで、これらが私の選択肢であると考えました* ARIMA（自己回帰法）*機械学習

機械学習を利用してPythonを使用して予測したかったのですが、実際にその方法を理解できませんでした。具体的には、ユースケースに固有のPythonライブラリ/オープンソースコードがあります。

編集1：明確にするために、データは過去のデータに大まかに依存していますが、一定期間にわたって均一に分散されています。データを視覚化する最良の方法は、グリッドからリソースを選択するタスクを割り当てるアルゴリズムによって制御されるN個のエージェントを想像することです。資源は社会の社会経済構造の機能であり、地理にも強く依存しています。需要ゾーンと時間を賢く予測できるようにするための「アルゴリズム」に関心があります。

ps：ARIMAのような自己回帰モデルの場合、Pythonにはすでにライブラリhttp://pypi.python.org/pypi/statsmodelsがあります。

時系列と季節性を使用する予測モデルが必要です。たとえば、2013 年 2 月のデータを予測するには、2013 年 1 月のデータと 2012 年 2 月のデータを使用します。

私は TripleExponentialSmoothing と SVM (Weka 予測ライブラリで使用されている) を評価しようとしていました。ただし、統計的能力が限られているため、何を (そしておそらくどのように) 活用すればよいかわかりません。

これは、エンタープライズ Java アプリケーションの一部として必要です。使用できるJavaライブラリはありますか?

実際、2つの異なる時系列データの予測グラフを比較したいと思います。毎月観測されている2つの異なる雨の都市のデータの5年間のデータがあります。そのために、両方の都市の予測パッケージを使用して、5年間の時系列と、さらに2年間のグラフをプロットしました。ここで、これら2つのグラフのグラフと、2年間の将来の予測を比較したいと思います（エラーの観点からかもしれません）。

誰かがこれらから私を助けることができますか？

余暇には、予測テクニックのスキルを少し磨くようにしています。今日の問題は、複数のリグレッサーを使用した予測に焦点を当てています。2 つのリグレッサーの影響を受ける時系列を作成しましたが、それらをどのように予測するのか疑問に思っています。

私は次のことを試しました：

最初の私の時系列：

上記の時系列は、(下記) のトレンド ショーに基づいておりts.trend、修飾子によって変更されています。最初の修飾子が関連する場合、値は 25% 増加し、2 番目の場合、値は 10% 減少します。両方が該当する場合は、15% 増加します。

2 つのリグレッサーを含む多変量時系列:

次に、次のモデルを作成しようとします。

コードは正常に動作しているように見えますが、プロット (以下を参照) はあまり意味がありません。予測が多かれ少なかれトレンド ラインに従うと予想されるリグレッサーが特定されていないためです。ここで何が起こっているのかについて洞察を提供できる人はいますか?

リグレッサー変数を使用していない場合、予測プロットは次のようになります。上のプロットよりも、この予測の方が自信があります。次のコード行を使用してグラフを作成しました。

多変量 xreg 値を使用した私の予測で何が起こっているのか誰かが理解しているかどうか疑問に思っています。また、多変量リグレッサーを使用した予測への他のアプローチについても知りたいです。

スクリプトでパッケージauto.arimaから実行すると、常に警告が生成されるようです。通常のRで実行しても、この警告は表示されません。forecastknitr

knitr Markdownサンプルコード：

これを生成します：

Rで以下を実行すると、通常、そのような警告は生成されません。

また、このデータセットはサンプルデータセットであるためauto.arima、警告が正しくないと信じる傾向があります（「良い」例が示されると思われるため）。

何が起こっているのか分かりますか？

forecastパッケージを使用しています。

d.ts時系列であると仮定します。使用するplot(forecast(d.ts))と、時系列の（非常に優れた）プロットに加えて、予測された線と、予測の不確実性を表す影付きの領域が表示されます。線を省略したい（中央推定）。明らかに、オブジェクトForecastから列を手動で削除しforecast(d.ts)、残りの列を手動でプロットすることはできましたが、より高速な方法があるかどうか疑問に思いました。私は書くことplot(forecast(d.ts,fan=TRUE))ができますが、それは行を省略しません（そしてプロットの残りの部分も私が望むものではありません）。

週間データの売上を予測しようとしています。データは、104 週間の週番号、売上、平均価格/単位、休日 (その週に休日が含まれるかどうか)、およびプロモーション (プロモーションが行われる場合) の変数で構成されます。したがって、基本的にデータセットの最後の 6 つの obs は次のようになります。

ここで、105 週目と 106 週目を予測したいと思います。そこで、ts 関数を使用して単変量時系列 x を作成し、次のコマンドを発行して auto.arima 関数を実行しました。

ここで、過去 2 週間 (105 週目と 106 週目) の値を予測したい場合、105 週目と 106 週目のリグレッサーの外部値を指定します。

以前の値 (トレーニング) 値の販売値は一般に数千の範囲にあるため、販売の予測値が非常に少ないため、出力は正しくないように見えます。

それが正しくない/予期しない理由を誰かが教えてくれれば、それは素晴らしいことです.

いくつかのファイルを共有したり、友達同士で共同作業したり、プロジェクトを 安全に共同作業したりしたいのですが、何を使用すればよいかわかりません。ドロップボックスについて議論しましたが、何が行われているのか、誰が何をしているのかを確実に伝える方法はありません。追加する別のオプションは、Googleドキュメントを使用することですが、それは前後にバウンドする頭痛の種になります。マトリックスまたは予測を可能にするプロジェクトコミュニケーションをプライベートに許可するための完全なソリューションは存在しますか？

私は以前、SAS で毎週のレベルでコンピューターの売上を予測していました。これは、大きく分けて 2 つのパラメーター (価格設定とマーケティング費用 (車両レベル - したがって、いくつかの変数)) に基づいていました。を使用できるので、これは SAS では簡単でしPROC ARIMAた。

Rへの移行を手伝ってくれませんか？データセットをインポートし、auto.arimaいくつかの変数の p 値を実行して分析しました。ただし、今後 26 週間の予測をどのように進めればよいかわかりません。どんな助けでも大歓迎です！