Prognose von binären Zeitreihen

12

Ich habe eine binäre Zeitreihe mit 1, wenn sich das Auto nicht bewegt, und 0, wenn sich das Auto bewegt. Ich möchte eine Prognose für einen Zeithorizont von bis zu 36 Stunden im Voraus und für jede Stunde erstellen.

Mein erster Ansatz war die Verwendung eines Naive Bayes mit den folgenden Eingaben: t-24 (täglich saisonal), t-48 (wöchentlich saisonal), Tageszeit. Die Ergebnisse sind jedoch nicht sehr gut.

Welche Artikel oder Software empfehlen Sie für dieses Problem?

Ricardo Bessa
quelle
sehen, ob dies hilft math.bme.hu/~morvai/publications/papers/… guten Tag
Mithun Ashok
Haben Sie ein Hidden-Markov-Modell in Betracht gezogen?
Ram Ahluwalia
Danke für die Antworten. Aber gibt es bereits ein Softwarepaket mit einigen Implementierungen? Ich habe in R gesucht, aber nur das VLMC-Paket gefunden. Vielen Dank, Ricardo Bessa
Ricardo, Sie sollten Ihre Frage mit diesen zusätzlichen Informationen bearbeiten, anstatt sie als Antwort hinzuzufügen. Danke und willkommen auf der Seite!
Aaron verließ den Stack Overflow
Gibt es wirklich zwei Arten von Einsen in Ihren Daten? Das heißt, 1 bedeutet, dass sich das Auto bewegen könnte, 1 bedeutet jedoch nicht, dass sich Ihr Auto zu diesem Zeitpunkt wirklich nicht bewegen könnte. Das würde man One-Inflation nennen (es ist normalerweise eine Null-Inflation). In diesem Fall müssen Sie modellieren, wann sich das Auto bewegen kann oder nicht und wann es sich möglicherweise bewegt, aber nicht.
Wayne

Antworten:

6

Sie können generalisierte ARMA (GLARMA) -Modelle verwenden. Siehe zum Beispiel Kedem und Fokianos (2002), Regressionsmodelle für die Zeitreihenanalyse.

Siehe auch R-Paket Glarma (auf CRAN)

hbaghishani
quelle
Diese Antwort hätte nicht abgelehnt werden dürfen.
usεr11852 sagt Reinstate Monic
3

Mit dem R-Paket bsts können Sie Bayes'sche strukturelle Zeitreihenmodelle mit binären Zielen durch Setzen schätzen family = 'logit'. Beachten Sie jedoch, dass diese Modelle häufig längere Laufzeiten als Gaußsche Daten erfordern (z niter = 10000. B. ).

ulfelder
quelle
2

Wie wäre es mit einer logistischen Regression mit einigen Zeitverzögerungen (täglich, wöchentlich) als Prädiktoren? (Die meisten statistischen Softwarepakete weisen eine logistische Regression auf.) Es ist ein bisschen im Dunkeln zu schießen - können Sie die Daten oder eine Handlung teilen?

Galit Shmueli
quelle
2

Das Hidden-Markov-Modell ist die sequentielle Version von Naive Bayes. In naiven Bayes haben Sie eine Beschriftung mit mehreren möglichen Werten (in Ihrem Fall 0/1) und eine Reihe von Funktionen. Der Wert für y wird durch Modellieren von p (Features | Label) * p (Label) ausgewählt.

In einem Hidden-Markov-Modell wird eine Folge von Labels vorhergesagt, indem p (Label | Vorheriges Label) und P (Features | Label) modelliert werden.

Alex Lamb
quelle