prediction

    -1热度

    2回答

    我有一个在不同地方测量的时间序列值列表。这些测量结果可能相关也可能不相关(主要取决于它们的相对位置,但一些非常接近的检测器实际测量去相关序列似乎是合理的)。我想要预测整个集合的价值,并考虑到它们所有的系列以及它们在时间上的相关性。如果它有任何帮助,值也应该有相对的周期性 编辑:我可以访问几个太阳能电池板的发电功率。这些太阳能电池板在空间上传播,我想用它们作为“辐射探测器”。了解过去几个地方的太阳照

    -1热度

    1回答

    我是机器学习的新手。我有一个要求,我想要预测具有2个值(Y和N)的属性的值,我正在使用分类模型。我有10-15个功能来创建模型。在预测期间,我想说明为什么(规则)我正在做出这个预测。如果我使用决策树算法,我可以看到一些规则,但是如果我使用其他分类算法(如SVM或朴素贝叶斯),我无法找到任何规则。 我有2个问题: 1.有没有什么办法可以找到所有算法的规则? 2.这是不常见的要求?

    1热度

    1回答

    我已经实现了一个上下文Markov predictor,我需要制作一个stride predictor,将它们合并为一个hybrid predictor。 首先我需要实现这个stride predictor。我读过它,我发现这个figure,但我想让它变得更简单。 经典公式是Vn=V(n-1)+(V(n-1)-V(n-2)),我认为有两个变量difference1等于V(n-1)-V(n-2)和d

    2热度

    1回答

    我的数据是二进制与两个线性独立变量。对于两个预测指标,随着它们变大,还有更多积极的反应。我将这些数据绘制在一张热点图上,显示了两个变量的积极响应密度。右上角有最积极的反应,左下角有负面反应,沿两个轴线可以看到梯度变化。 我想在热点上画出一条线,显示逻辑回归模型预测正面和负面反应的可能性相同。 (我的模型的形式为response~predictor1*predictor2+(1|participan

    2热度

    1回答

    我非常新火花机学习(4天)我正在执行中的星火下面的代码壳牌我试图预测某个值 我的要求是我有以下组成 列 Userid,Date,SwipeIntime 1, 1-Jan-2017,9.30 1, 2-Jan-2017,9.35 1, 3-Jan-2017,9.45 1, 4-Jan-2017,9.26 2, 1-Jan-2017,9.37 2, 2-Jan-2017,9.35 2,

    0热度

    1回答

    我是非常新的Spark机器学习我想要传递多个列的功能,在我的下面的代码中,我只是将日期列传递给功能,但现在我想通过Userid和日期列到要素。我试图用向量,但它仅支持双数据类型,但在我的情况下,我有int和string 我会感激,如果任何人提供任何建议/解决方案或任何代码示例,这将满足我的要求 代码: case class LabeledDocument(Userid: Double, Date:

    0热度

    1回答

    我正在从事个人项目,只是为了好玩。基本上,我已经收集了拥有大约就像每个国家的人口信息的数据: 德国74%,男性26%,女性10%的已婚16%Age_30-35 40%等 现在我想做的是当我获得新用户,我看到该用户所在的国家并尝试预测用户的信息,即用户是否为已婚并且年龄在30-35岁的男性(仅举例)。 我的问题是我该如何做出这样的预测,我不能只是制定一个规则,如果一个国家有超过50%的男性,这个国家

    -1热度

    1回答

    我还不确定集群如何用于预测分析? 有人能告诉我如何从提取集群中预测未来吗?

    0热度

    1回答

    我试图做指数平滑到一个简单的时间序列数据集并绘制拟合模型加上foretasted模型,这里是代码: cmc [1] 100 104 108 111 120 120 127 130 142 138 170 177 180 200 230 235 247 [18] 260 263 270 330 350 400 450 500 plot(predict(ets(cmc), n.ahead =

    1热度

    2回答

    我正在构建一个时间序列预测模型。我收到的数据有一个变量“金额”,即运输物料的运费。我有10年的月度数据格式。 这里面临的挑战是,一个月的运费帐单金额不一定反映仅在该月份运输的材料的金额。有时候,这些材料被运送成碎片并在接下来的2-3个月内被收费,并且这些钞票意外地高出随机扰乱时间序列模式。例如,如果我有2017年3月的比尔,那么它可能在1月和2月有一定的数额。 我尝试了ARIMA并获得了40%的M