Eu tenho uma série temporal binária com 1 quando o carro não está em movimento e 0 quando o carro está em movimento. Quero fazer uma previsão para um horizonte de tempo de até 36 horas à frente e para cada hora.
Minha primeira abordagem foi usar um Naive Bayes usando as seguintes entradas: t-24 (sazonal diária), t-48 (sazonal semanal), hora do dia. No entanto, os resultados não são muito bons.
Quais artigos ou software você recomenda para esse problema?
r
time-series
forecasting
binary-data
Ricardo Bessa
fonte
fonte
Respostas:
Você pode usar os modelos ARMA generalizados (GLARMA). Veja, por exemplo, Kedem e Fokianos (2002), Modelos de Regressão para Análise de Séries Temporais.
Veja também R package glarma (no CRAN)
fonte
O pacote R bsts permite estimar modelos de séries temporais estruturais bayesianas com destinos binários, definindo
family = 'logit'. Observe, porém, que esses modelos geralmente exigem execuções mais longas que os dados gaussianos (por exemplo,niter = 10000).fonte
Que tal usar a regressão logística com alguns atrasos (diários, semanais) como preditores? (a maioria dos pacotes de software estatístico possui regressão logística). É um pouco de filmagem no escuro - você pode compartilhar os dados ou um enredo?
fonte
O modelo Hidden Markov é a versão seqüencial do Naive Bayes. Em bayes ingênuos, você tem um rótulo com vários valores possíveis (no seu caso 0/1) e um conjunto de recursos. O valor para y é selecionado pela modelagem p (features | label) * p (label).
Em um modelo markov oculto, uma sequência de rótulos é prevista pela modelagem de p (rótulo | rótulo anterior) e P (recursos | rótulo).
fonte