問題タブ [time-series]

非常に初歩的な質問ですが、次のようなデータがあるとします。

var0を使用して、時系列とvar1同じグラフの両方dateを x 軸にプロットするにはどうすればよいggplot2ですか? 色違いで作るvar0とボーナスポイント、レジェンドを入れることができます！var1

これは非常に単純だと思いますが、例が見つかりません。

多数の時系列 (時間と値) のデータ ポイントを保存したいと考えています。同じためにMySQLを使用することをお勧めします。現在、時系列をバイナリ Blob として MySQL に保存することを計画しています。これが最善の方法ですか、最善のアプローチは何でしょうか。

これを一行で書くにはどうしたらいいでしょうか？

mydataは"zoo"系列で、 limit は同じサイズの数値ベクトルです

引数として 2 つのベクトルを使用しようとしましたave(...) が、それらを行列に結合しても 1 つだけを受け入れるようです。

これは単なる例ですが、他の関数を使用することもできます。

ここでは、 の値を数値ベクトルと比較する必要があり、cummax(mydata)-mydataそれを超えると、その日の終わりまでゼロを保持します。はcummax、毎日の始まりから計算されます。

limit がベクトルではなく単一の数値である場合（可能な数値が異なる場合）、次のように記述できます。

しかし、それよりも長いベクトルをそこに導入することはできませんx(毎日よりも同じ長さでなければなりません) ave()。

私の問題は、サイズNのオブジェクトの配列があることです。毎回（t + 1）後に、配列の値の一部が変更される場合と変更されない場合があります。つまり、t + 1インデックス15が変更されても、他のすべては同じままであるとします。

もちろん、配列の配列を持っているだけでなく、このようなものを（メモリに）格納するための最も効率的な方法は何ですか？配列のすべての値をいつでも取得できるようにしたい、たとえばgetValues（long time）を可能な限り最も効率的な方法で取得できるようにしたい。

4つのアレイについて言う

時間1nullnull null xyz

時間2nullnull abc xyz

（ここではabcのみが変更されていることに注意してください）が、時間1からの最後のインデックスの値を保持します。

CSV ファイルから時系列を読み取り、xts として保存して、quantmod で処理できるようにしようとしています。問題は、数値が解析されないことです。

CSV ファイル:

R コード:

結果：

amount 列に文字データが含まれていますが、数値である必要があります。コードの何が問題になっていますか?

時系列のセンサー状態間隔が与えられた場合、監視されたトレーニング データから学習して一連の状態間隔に基づいてインシデントを検出する分類器を実装するにはどうすればよいですか? 問題を単純化するために、センサーの状態は または のいずれかに縮小されtrueますfalse。

更新:同様の問題に対処する時間間隔のマイニング シーケンスに関するこのペーパー (PDF)を見つけました。多変量時系列における階層的時間パターンのマイニングに関する別の論文 (Google Docs)は、斬新なアプローチを採用していますが、階層データを扱っています。

トレーニング データの例

次のデータは、時間の経過に伴うグラフとして表されたインシデントのトレーニング例です。ここで、 はセンサーの状態間隔と状態間隔を/¯¯¯\表します。true\___/false

インシデント検出 vs シーケンス ラベリング vs 分類

最初に問題を 2 カテゴリ シーケンス ラベル付け問題として一般化しましたが、カテゴリは実際には「通常の操作」とまれな「アラーム イベント」を表しているため、質問をインシデント検出と言い換えました。「通常運用」と「警報発生」のトレーニングデータを用意しています。

問題の複雑さを軽減するために、センサー イベントをブール値に離散化しましたが、必ずしもそうである必要はありません。

可能なアルゴリズム

隠れマルコフモデルは可能な解決策のようですが、状態間隔を使用することはできますか? シーケンス ラベラーがこの問題に対する最良のアプローチではない場合は、別の提案をいただければ幸いです。

ベイジアン確率論的アプローチ

センサーの活動は、時間帯によって大きく異なります (朝は忙しく、夜は静か)。私の最初のアプローチは、数日間にわたって正常なセンサー状態を測定し、時刻 (時間) ごとに状態確率を計算することでした。想定外の時間にセンサー状態が「想定外のしきい値」を超える合計確率は、インシデントを示します。しかし、これは、センサーにノイズが多い場合に誤った警報を発するように思われました。私はまだこれを実装していませんが、このアプローチにはメリットがあると思います。

特徴抽出

ベクトル状態は、特定の時間に発生し、特定の期間続く状態間隔の変化として表すことができます。

例えば。プロセス テーブルからのいくつかの状態間隔:

適切な分類器は、状態値の間隔と最近の状態変化を考慮して、状態変化の組み合わせがカテゴリのトレーニング データと厳密に一致するかどうかを判断します。

編集：複数のセンサーのアラームデータから特徴を抽出する方法と、それを以前のデータと比較する方法について、寝た後のいくつかのアイデア...

1 日の各時間について、各センサーについて次のデータを計算することから始めます。

• 平均状態間隔の長さ (trueと のfalse状態)
• 状態変化間の平均時間
• 経時的な状態変化の数

各センサーは、次のようなデータを使用して、マトリックス内の他のすべてのセンサーと比較できます。

• センサー A が真の状態に変化した後、センサー B が真の状態に変化するまでにかかった平均時間。平均値が 60 秒の場合、1 秒の待機は 120 秒の待機よりも興味深いものになります。
• センサー A が 1 つの状態にある間にセンサー B が受けた状態変化の平均数

2 セットのトレーニング データが与えられた場合、分類器は、これらの特徴セットから分類の可能性が最も高いカテゴリを判断できる必要があります。

これは賢明なアプローチであり、これらの機能を比較するための優れたアルゴリズムは何でしょうか?

編集:状態変化 ( false->truevs true-false) の方向は重要であるため、すべての機能でそれを考慮する必要があります。

tsR では、 classと classの違いは何timeSeriesですか? そのために問題が発生していると思いますHoltWinters。私は得ています：

「decompose のエラー (ts(x[1L:wind]、開始 = 開始 (x)、頻度 = f)、季節): 時系列に 2 期間がないか、2 期間未満」

にしてもgamma=0。

Windows 7 x64 マシンで R 2.11.1 (win32 x86) を実行しています。

R では、Holt-Winters 平滑化を金融 (「営業日」) ベースの時系列にどのように使用できますか?

(たとえば、株式データの時系列の時間インデックスは不規則です)。

ここに私の質問があります:
私はこれらのデータを持っています

時系列プロットを描きたい

だから私はこれを試しました：

そして、私は得ました：
seq.int（r1 $ year、to $ year、by）のエラー：「from」は有限でなければなりません
さらに：警告メッセージ：
1：min（x）：minに欠落していない引数はありません。Inf
2 を返します: in max(x) : max に欠落していない引数はありません。-Inf を返す

それを解決するためのアイデアはありますか？

ありがとうございました

不規則な時系列を通常の時系列に変換するときに問題が発生しています。以下に簡単な例を示します。

この c(1981,NA,NA,1984,1985) のような定期的な時系列 ts.d を作成したいと思います。

驚くべきことは、これを初めて実行したときです。しかし、もう一度実行したり繰り返したりしたいとき (as.ts() 行) は動作を停止し、非常に長い時系列を取得します:

等

何がうまくいかないのですか？