Meramalkan seri waktu biner

12

Saya memiliki deret waktu biner dengan 1 saat mobil tidak bergerak, dan 0 saat mobil bergerak. Saya ingin membuat perkiraan untuk horizon waktu hingga 36 jam ke depan dan untuk setiap jam.

Pendekatan pertama saya adalah menggunakan Naive Bayes menggunakan input berikut: t-24 (musiman harian), t-48 (musiman mingguan), jam dalam sehari. Namun, hasilnya tidak terlalu bagus.

Artikel atau perangkat lunak apa yang Anda rekomendasikan untuk masalah ini?

r time-series forecasting binary-data Ricardo Bessa
sumber
lihat apakah ini membantu math.bme.hu/~morvai/publications/papers/... selamat siang
Mithun Ashok
Sudahkah Anda mempertimbangkan model markov tersembunyi?
Ram Ahluwalia
Terima kasih atas jawabannya. Tetapi apakah ada paket perangkat lunak yang sudah tersedia dengan beberapa implementasi? Saya telah mencari di R, tetapi saya hanya menemukan paket VLMC. Terima kasih, Ricardo Bessa
Ricardo, Anda harus mengedit pertanyaan Anda dengan informasi tambahan ini alih-alih menambahkannya sebagai jawaban. Terima kasih, dan selamat datang di situs ini!
Aaron meninggalkan Stack Overflow
Apakah benar ada dua tipe 1 dalam data Anda? Artinya, 1 artinya mobil bisa bergerak tetapi tidak berbanding 1 berarti mobil Anda benar-benar tidak bisa bergerak saat ini. Itu akan disebut satu-inflasi (biasanya nol-inflasi). Jika demikian, Anda perlu membuat model kapan mobil bisa bergerak atau tidak versus kapan mobil itu bisa bergerak tetapi tidak.
Wayne

Jawaban:

6

Anda dapat menggunakan model ARMA umum (GLARMA). Lihat, misalnya, Kedem dan Fokianos (2002), Model Regresi untuk Analisis Rangkaian Waktu.

Lihat juga paket R glarma (di CRAN)

hbaghishani
sumber
Jawaban ini seharusnya tidak diturunkan.
usεr11852
3

Paket R BSTs memungkinkan Anda untuk memperkirakan Bayesian struktural model time series dengan target biner dengan menetapkan family = 'logit'. Namun, perlu diketahui bahwa model-model ini sering membutuhkan proses yang lebih lama daripada data Gaussian (mis., niter = 10000).

ulfelder
sumber
2

Bagaimana dengan menggunakan regresi logistik dengan beberapa jeda waktu (harian, mingguan) sebagai prediktor? (sebagian besar paket perangkat lunak statistik memiliki regresi logistik). Ini sedikit memotret dalam gelap - dapatkah Anda berbagi data atau plot?

Galit Shmueli
sumber
2

Model markov Tersembunyi adalah versi berurutan dari Naif Bayes. Dalam naif bayes, Anda memiliki label dengan beberapa nilai yang mungkin (dalam kasus Anda 0/1) dan serangkaian fitur. Nilai untuk y dipilih oleh pemodelan p (fitur | label) * p (label).

Dalam model markov tersembunyi, urutan label diprediksi oleh pemodelan p (label | label sebelumnya) dan P (fitur | label).

Alex Lamb
sumber