Galit·史慕丽
特聘教授@耶,台湾。开创业务分析课程在马里兰U,印度商学院,耶& Statistics.com。读到她的研究&教科书在galitshmueli.com
位置台湾
活动
-
Galit·史慕丽 做了一个评论
本周最后一个奖金,“实际时间序列预测”电子书是一个令牌1.99美元(或更少),亚马逊和谷歌打书
-
@FergusHoward如果你有一个具体的问题请在这里和一个教育者的回应。请注意,论坛的目标是对于任何反应(其他参与者,教育家)
-
你好Chibamba,
本课程的重点是预测,甚至覆盖如此大的话题!因此,我们不能在这门课教R编程。R代码和示例所示我们的课程教材(和)仅供那些至少有基本的R知识。对于其他人来说,我们提供一个免费的许可证的Excel插件解析解算器…… -
大卫:我们这里提到的双重检查Kaggle页面的链接,他们似乎都工作好。请再试一次,或者尝试另一个浏览器
-
-
-
谢谢你指出这一点。我们发现新URL和现在更新
-
Sonam -你是对的!面试是在我的办公室里,祈祷好运从不丹国旗被挂
-
谢谢你这样的评论。有很多有趣的相关话题,我们可以提到!我们必须选择最重要的话题为了保持专注。大多数人都熟悉的横断面数据(每统计101课程涵盖了横截面数据分析),所以我们使用这个熟悉与时间序列数据对比....
-
你好,罗伯特。本课程旨在密切是基于教材实际时间序列预测(R或XLMiner版)——请参阅www.forecastingbook.com。您可以使用XLMiner版,您所选择的不同的软件。
-
谢谢你的诚实的反馈,本。这是一个对我们所有人学习的旅程,一个提升的机会。
-
Kleyn——迄今为止,它看起来像你提到的机器学习方法不符合速度时间序列预测。看到这个有趣的博客:https://www.r-bloggers.com/timeseries-forecasting-using-extreme-gradient-boosting/
-
是的——抢手货,本。的确是一个错误。这意味着你真正理解它!
-
谢谢你富有。我们将看一看。
-
古——记住,删除后剩余的另一个组件(除了错误):趋势和季节性的水平。马试图捕获通过平均噪音水平。
-
Kleyn -见下个视频/文章捕捉季节性。这就是我们引入虚拟变量的使用。
-
富,你得出一个重要结论。处理一系列复杂的两个选项创建一个更复杂的模型或简化的数据。把系列简化数据。杰基认为差分,也简化了数据。我认为这是个好主意。
-
Ben -请参阅此页阻尼趋势指数平滑法:https://www.otexts.org/fpp/7/4。简而言之,这意味着在一段时间后这种趋势趋于一个常数。“这是短期预测的效果趋势而长期预测是不变的。”
-
请参阅尼克煤页岩发布的谷歌表早先一步:列E和F包含公式un-differencing的两个步骤。//www.ceklouxgfekg.tw/courses/business-analytics-forecasting/1/steps/115988
-
-
我们使用术语“错误”和“噪音”互换,来表示时间序列的组件缺乏系统性。
-
该软件将为你做这些。如果你感兴趣的技术细节,这是一个很好的描述(他们称之为ACF阴谋相关图):http://www.ltrr.arizona.edu/ ~ dmeko / notes_3.pdf
-
你可以做两件事:计算原始系列和残差自相关。注意,如果系列/季节性趋势,出现在ACF的情节,反映了自相关趋势/季节性。
-
感谢大家的反馈。它非常有用,因为测试的想法并不是测试语义,而是理解。丰富,请指定哪个段落意思?很高兴听说你正在享受这门课!
-
路易斯和伊莎贝尔:措辞只是有点不同于路易斯张贴,使所有的差异。首先,正常的错误,它说:“如果预测误差分布不是正态分布(钟形曲线)在零附近,然后我们不能计算预测区间”。这是不正确的,因为我们总是可以计算经验预测……
-
-
ARIMA的我是差分操作之前,需要安装一个ARMA模型。你不能调整ARMA参数捕获季节性或趋势,因为它假定设计都缺席。
-
胡安和Abheyjot:你使用编程时提出关键问题!当你深入代码小心视野狭窄,你忽略的数据和更大的问题。一个好的方法是创建可视化的数据代码创建。看着你们造物通过图表可以帮助!
Abheyjot,你能分享你注意到…… -
请使用可视化,以确定每个系列显示季节性。我们看到在星期2怎么做。
-
Kleyn,在时间序列分割,我们必须保持的时间序列行,所以你的随机化的行并不是一个好主意。如果你想手动分割没有创建一个ts对象,创建两个系列:一个特定日期之前,另一个日期提前。分裂的选择应该基于业务目标,数据长度,……
-
-
Kleyn,与横截面数据,在时间序列我们只分区分为两部分,暂时我们分区(验证最新系列的一部分),所以要小心你如何执行交叉验证。
-
-
Qlikview的确是另一个伟大的交互式可视化工具。
-
-
-
它加载适当的站在我们这一边。你能尝试不同的浏览器吗?不同的电脑吗?
-
-
图的一种方法。领域知识是另一种方式(添加剂意味着增长的固定值,而乘法意味着百分比增长)。我们可以试着用方法来拟合两种类型,然后看看预测错误,看看我们正确地捕获和/或季节性趋势。在接下来的几周中我们会看到更多。
-
对于那些管理限制在您的计算机上,您可以使用云版本的分析解算器(所有XLMiner功能)。这是通过浏览器但需要互联网连接。一旦你得到许可(使用说明这个页面)http://analyticsolver.com/
-
这个视频的音频质量确实不像其他人,因为我们清楚它即兴当我们发现Youbike事件。然而,我们认为它是有价值的!Mahsa建议,请使用字幕。为给您带来的不便道歉。
-
让我补充:当然在这两种情况下(预测和描述性的)你最好想探索你的数据。我们会看到很多的星期2。然而,决定最终的目标是预测未来值(潜在)或只有量化模式系列(描述性的)将会影响很多东西,比如选择的方法和如何评估……
-
-
谢谢你抓住这杰基!我们更新了文章讨论台北捷运。(美国铁路公司的例子是教科书中所描述的实际时间序列预测,以及混乱)
-
谢谢你指出故障迈克尔。请再检查一次,应该访问的文件。
-
亲爱的马丁-从Createspace.com购买的折扣代码,而不是从亚马逊。请使用这个链接的Excel书:https://www.createspace.com/6192529折扣代码A5QCYT4W
