time-series

1熱

1答えて

Pythonで作業する時系列の対応する時刻をsampletime [0..T]として扱いたいので、datetime値の配列をサンプル時刻に変換する必要があります。 T> 1000は、だから私は、私は次のコードを思い付く、> 1000年の日付時刻値の配列を持っているかなり大きな [2013/11/09 14:29:54.660, 2013/11/09 14:29:54.680, ... T]： ti

1熱

1答えて

R：Nヶ月ごとにデータをグループ化します。

2016-01-01〜2017-07-30のデータがあります。私は3ヶ月ごとにgroup_byデータを集計して要約したい。ここに収まらないので、データ全体を表示するのは難しいです。私は一般にlubridateとdplyrをデータ操作に使用していますが、3か月ごとにデータをロールアップする方法はわかりません。達成しようとしている疑似コードは次のとおりです。 df$month <- month(as.

2熱

1答えて

ケラスでRNNを使ってデータセットの過去の終わりを予測する

私は、温度に関する何百もの値にまたがるデータセットを持っています。明らかに、気象学では、将来の値が過去に基づいてどのように予測されるかを予測することは有益です。私はKerasに建て以下のステートフルモデル、持っている：私は成功したが予測することが必要とされるものを理解するために苦労しています、妥当な結果に私のデータセットに対してモデルをトレーニングし、テストすることができました look_bac

-2熱

1答えて

平均バーストサイズの計算

タイムスタンプcolmun tsのテーブルtがあると仮定すると、tは時間外のデータで埋められます。データは、行間（一定の間隔ではない）で数秒間隔でn行のバーストで挿入され、比較的長い時間挿入されないと仮定することは妥当です。私はそれを見つけることを探しています。なにか提案を？ MySQLのコードサンプルは素晴らしいことだが、また知られているアルゴリズムの提案を使用するか、何が同様に良いことができ

4熱

1答えて

時系列分類

このリンクのデータセットにアクセスできますhttps://drive.google.com/file/d/0B9Hd-26lI95ZeVU5cDY0ZU5MTWs/view?usp=sharing 私の仕事はセクターファンドの価格の動きを予測することです。それがどれほど上がるか下がるかは本当に問題ではありません。私はそれが上がっているのか下っているのかを知りたいだけです。だから私はそれを分類問題と

1熱

2答えて

matplotlib図にフレームを描く方法

この図では、フレームを表示したいと思います。 ax = self.canvas.figure.add_subplot(111) ax.spines['top'].set_visible(True) ax.spines['right'].set_visible(True) ax.spines['bottom'].set_visible(True) ax.spines['left'].set_

1熱

1答えて

pythonでARIMAモデルの精度を見つけるために、どのよう

問題discription：CPU使用率の予測アプローチ：使用時系列アルゴリズムステップ1：私は1000年の観測を収集し、Pythonにエクスポート弾性検索から。ステップ2：データをプロットし、データが停止しているかどうかを確認します。ステップ3：データを固定形式に変換するために使用されるログ。ステップ4：私はARIMA (3,0,2)時系列モデルを構築し予測：ARIMA(3,0,2)

0熱

1答えて

PostgreSQLに値の履歴を保存する

温度センサーの読み取り値を保存し、毎日履歴を保存する必要があるとします。各メジャーはタプルday: number, value: stringです（ある日は見逃される可能性があるため、その日を明示的に保存する必要があります）。何十万ものセンサーがあります。新しい測定値を追加すると、オブジェクト全体を再読み込みして書き換える必要はありません。小さなインクリメンタル加算である必要があります。また、

1熱

1答えて

rollapplyを使用してリストのリストに出力する

rollapplyまたはrollapplyrを使用して、時系列データにmodwt関数を適用したいと考えています。私はrollapply/rの仕組みに精通していますが、出力を設定してrollapplyを使用して結果を正しく保存できるように助けが必要です。 wavelimパッケージのmodwt関数は、私の特定の問題J = 4のために時系列をとり、それをJレベルに分解します。これは、私が5つのリストに

0熱

1答えて

ローリングウィンドウを使用したウェーブレット相関

ウェーブレット変換をローリングウィンドウを使用して適用できる3つの時系列があります。ローリングウィンドウは、長さ200の単一の時系列をとり、waveslim::modwt関数を最初の30サンプルにわたって適用します。これは私にのみ興味そのうち5つのリスト（D1、D2、D3、D4）を出力し、これらの各々は、30の長さの単純な例がここで見つけることができます： library(waveslim) J