实例介绍
【实例简介】Practical Time Series Forecasting with R A Hands-On Guide, 2nd Edition by Galit Shmueli, Kenneth C. Lichtendahl Jr
【实例截图】
【核心代码】
Contents Preface 9 1 Approaching Forecasting 15 1.1 Forecasting: Where? . . . . . . . . . . . . . . . . . . 15 1.2 Basic Notation . . . . . . . . . . . . . . . . . . . . . . 15 1.3 The Forecasting Process . . . . . . . . . . . . . . . . 16 1.4 Goal Definition . . . . . . . . . . . . . . . . . . . . . 18 1.5 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 23 2 Time Series Data 25 2.1 Data Collection . . . . . . . . . . . . . . . . . . . . . 25 2.2 Time Series Components . . . . . . . . . . . . . . . . 28 2.3 Visualizing Time Series . . . . . . . . . . . . . . . . . 30 2.4 Interactive Visualization . . . . . . . . . . . . . . . . 35 2.5 Data Pre-Processing . . . . . . . . . . . . . . . . . . . 39 2.6 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 42 3 Performance Evaluation 45 3.1 Data Partitioning . . . . . . . . . . . . . . . . . . . . 45 3.2 Naive Forecasts . . . . . . . . . . . . . . . . . . . . . 50 3.3 Measuring Predictive Accuracy . . . . . . . . . . . . 51 3.4 Evaluating Forecast Uncertainty . . . . . . . . . . . 55 3.5 Advanced Data Partitioning: Roll-Forward Validation 62 3.6 Example: Comparing Two Models . . . . . . . . . . 65 3.7 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 67 4 Forecasting Methods: Overview 69 4.1 Model-Based vs. Data-Driven Methods . . . . . . . 69 4 4.2 Extrapolation Methods, Econometric Models, and External Information . . . . . . . . . . . . . . . . . . . 70 4.3 Manual vs. Automated Forecasting . . . . . . . . . 72 4.4 Combining Methods and Ensembles . . . . . . . . . 73 4.5 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 77 5 Smoothing Methods 79 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . 79 5.2 Moving Average . . . . . . . . . . . . . . . . . . . . . 80 5.3 Differencing . . . . . . . . . . . . . . . . . . . . . . . 85 5.4 Simple Exponential Smoothing . . . . . . . . . . . . 87 5.5 Advanced Exponential Smoothing . . . . . . . . . . 90 5.6 Summary of Exponential Smoothing in R Using ets 98 5.7 Extensions of Exponential Smoothing . . . . . . . . 101 5.8 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 107 6 Regression Models: Trend & Seasonality 117 6.1 Model with Trend . . . . . . . . . . . . . . . . . . . . 117 6.2 Model with Seasonality . . . . . . . . . . . . . . . . 125 6.3 Model with Trend and Seasonality . . . . . . . . . . 129 6.4 Creating Forecasts from the Chosen Model . . . . . 132 6.5 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 133 7 Regression Models: Autocorrelation & External Info 143 7.1 Autocorrelation . . . . . . . . . . . . . . . . . . . . . 143 7.2 Improving Forecasts by Capturing Autocorrelation: AR and ARIMA Models . . . . . . . . . . . . . . . . 147 7.3 Evaluating Predictability . . . . . . . . . . . . . . . . 153 7.4 Including External Information . . . . . . . . . . . . 154 7.5 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 170 8 Forecasting Binary Outcomes 179 8.1 Forecasting Binary Outcomes . . . . . . . . . . . . . 179 8.2 Naive Forecasts and Performance Evaluation . . . . 180 8.3 Logistic Regression . . . . . . . . . . . . . . . . . . . 181 8.4 Example: Rainfall in Melbourne, Australia . . . . . 183 8.5 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 187 9 Neural Networks 189 5 9.1 Neural Networks for Forecasting Time Series . . . . 189 9.2 The Neural Network Model . . . . . . . . . . . . . . 190 9.3 Pre-Processing . . . . . . . . . . . . . . . . . . . . . . 194 9.4 User Input . . . . . . . . . . . . . . . . . . . . . . . . 195 9.5 Forecasting with Neural Nets in R . . . . . . . . . . 196 9.6 Example: Forecasting Amtrak Ridership . . . . . . . 198 9.7 Problems . . . . . . . . . . . . . . . . . . . . . . . . . 201 10 Communication and Maintenance 203 10.1 Presenting Forecasts . . . . . . . . . . . . . . . . . . 203 10.2 Monitoring Forecasts . . . . . . . . . . . . . . . . . . 205 10.3 Written Reports . . . . . . . . . . . . . . . . . . . . . 206 10.4 Keeping Records of Forecasts . . . . . . . . . . . . . 207 10.5 Addressing Managerial "Forecast Adjustment" . . . 208 11 Cases 211 11.1 Forecasting Public Transportation Demand . . . . . 211 11.2 Forecasting Tourism (2010 Competition, Part I) . . . 215 11.3 Forecasting Stock Price Movements (2010 INFORMS Competition) . . . . . . . . . . . . . . . . . . . . . . . 219 Data Resources, Competitions, and Coding Resources 225 Bibliography 227 Index 231
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论