Tengo una serie temporal binaria con 1 cuando el automóvil no se mueve y 0 cuando el automóvil se mueve. Quiero hacer un pronóstico para un horizonte temporal de hasta 36 horas por adelantado y para cada hora.
Mi primer enfoque fue utilizar un Bayes Naive usando las siguientes entradas: t-24 (estacional diario), t-48 (estacional semanal), la hora del día. Sin embargo, los resultados no son muy buenos.
¿Qué artículos o software recomienda para este problema?
r
time-series
forecasting
binary-data
Ricardo Bessa
fuente
fuente
Respuestas:
Puede usar modelos ARMA generalizados (GLARMA). Ver, por ejemplo, Kedem y Fokianos (2002), Modelos de regresión para análisis de series temporales.
Ver también paquete R glarma (en CRAN)
fuente
El paquete R bsts le permite estimar modelos de series temporales estructurales bayesianas con objetivos binarios mediante la configuración
family = 'logit'. Sin embargo, tenga en cuenta que estos modelos a menudo requieren ejecuciones más largas que los datos gaussianos (por ejemplo,niter = 10000).fuente
¿Qué tal usar la regresión logística con algunos retrasos (diarios, semanales) como predictores? (La mayoría de los paquetes de software estadístico tienen regresión logística). Es un poco de disparos en la oscuridad, ¿puedes compartir los datos o una trama?
fuente
El modelo Hidden markov es la versión secuencial de Naive Bayes. En bayes ingenuos, tiene una etiqueta con varios valores posibles (en su caso 0/1) y un conjunto de características. El valor de y se selecciona modelando p (características | etiqueta) * p (etiqueta).
En un modelo oculto de Markov, se predice una secuencia de etiquetas modelando p (etiqueta | etiqueta anterior) y P (características | etiqueta).
fuente