Previsão bayesiana para séries temporais uni / multivariadas

Esta postagem é sobre Previsão bayesiana de séries temporais univariadas / multivariadas em nnetsauce.

Para cada estatística / aprendizado de máquina (ML) apresentado abaixo, é hiperparâmetros padrão são usados. Um ajuste adicional de seus respectivos hiperparâmetros poderia, é claro, resultar em um desempenho muito melhor do que o que é mostrado aqui.

o Nilo conjunto de dados é usado como série temporal univariada. Ele contém medições do fluxo anual do rio Nilo em Aswan (anteriormente Assuan), 1871-1970, em 10 ^ 8 m ^ 3, “com ponto de mudança aparente próximo a 1898” (Cobb (1978), Tabela 1, p.249) .

library(datasets)
plot(Nile)

Dividir conjunto de dados em treinamento / teste conjuntos:

X 

sklearn’s BayesianRidge() is the workhorse here, for nnetsauce’s MTS. It could actually be any Bayesian ML model possessing methods fit and predict (there’s literally an infinity of possibilities here for class MTS).

obj 

Fit and predict using obj:

fit_obj 

95% credible intervals:

n_test 










o nós consumo conjunto de dados é usado como um exemplo de série temporal multivariada.  Ele contém variações percentuais nas despesas trimestrais de consumo pessoal e na renda pessoal disponível para os EUA, 1970 a 2010. (Federal Reserve Bank of St Louis. Http://data.is/AnVtzB. Http://data.is/wQPcjU.)

gráfico da biblioteca (fpp) (fpp ​​:: usconsumption)



Dividir conjunto de dados em treinamento / teste conjuntos:
X 

Fit and predict:

obj 

95% credible intervals:

n_test 




		

	
Relacionados