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:
Xsklearn’s
BayesianRidge()
is the workhorse here, for nnetsauce’sMTS
. It could actually be any Bayesian ML model possessing methodsfit
andpredict
(there’s literally an infinity of possibilities here for classMTS
).objFit and predict using
obj
:fit_obj95% 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:
XFit and predict:
obj95% credible intervals:
n_test
Relacionados