我有一个二进制时间序列，当汽车不移动时为 1，当汽车移动时为 0。我想对最多提前 36 小时和每小时的时间范围进行预测。
我的第一种方法是使用使用以下输入的朴素贝叶斯：t-24（每日季节性）、t-48（每周季节性）、一天中的小时。但是，结果并不是很好。
对于这个问题，您推荐哪些文章或软件？
预测二进制时间序列
机器算法验证
r
时间序列
预测
二进制数据
2022-02-12 12:30:04
4个回答
您可以使用广义 ARMA (GLARMA) 模型。例如，参见 Kedem 和 Fokianos (2002)，时间序列分析的回归模型。
另请参阅 R 包 glarma（在 CRAN 上）
R 包bsts允许您通过设置来估计具有二进制目标的贝叶斯结构时间序列模型family = 'logit'。但请注意，这些模型通常需要比高斯数据更长的运行时间（例如niter = 10000）。
隐马尔可夫模型是朴素贝叶斯的序列版本。在朴素贝叶斯中，您有一个带有多个可能值（在您的情况下为 0/1）和一组特征的标签。通过建模 p(features | label) * p(label) 来选择 y 的值。
在隐马尔可夫模型中，通过对 p(label | previous label) 和 P(features | label) 建模来预测标签序列。
如何使用具有一些时间滞后（每天、每周）的逻辑回归作为预测变量？（大多数统计软件包都有逻辑回归）。这有点在黑暗中拍摄——你能分享数据或情节吗？
其它你可能感兴趣的问题