論文の概要: The mbsts package: Multivariate Bayesian Structural Time Series Models
in R
- arxiv url: http://arxiv.org/abs/2106.14045v1
- Date: Sat, 26 Jun 2021 15:28:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-29 17:38:21.448808
- Title: The mbsts package: Multivariate Bayesian Structural Time Series Models
in R
- Title(参考訳): mbstsパッケージ:Rにおける多変量ベイズ構造時系列モデル
- Authors: Ning Ning and Jinwen Qiu
- Abstract要約: 本稿では,MBSTSモデリングにおけるRパッケージmbstsの使い方を示す。
MBSTSモデルには幅広い応用があり、特徴選択、時系列予測、現在放送、因果的影響の推測などに最適である。
- 参考スコア(独自算出の注目度): 2.8935588665357086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The multivariate Bayesian structural time series (MBSTS) model
\citep{qiu2018multivariate,Jammalamadaka2019Predicting} as a generalized
version of many structural time series models, deals with inference and
prediction for multiple correlated time series, where one also has the choice
of using a different candidate pool of contemporaneous predictors for each
target series. The MBSTS model has wide applications and is ideal for feature
selection, time series forecasting, nowcasting, inferring causal impact, and
others. This paper demonstrates how to use the R package \pkg{mbsts} for MBSTS
modeling, establishing a bridge between user-friendly and developer-friendly
functions in package and the corresponding methodology. A simulated dataset and
object-oriented functions in the \pkg{mbsts} package are explained in the way
that enables users to flexibly add or deduct some components, as well as to
simplify or complicate some settings.
- Abstract(参考訳): multivariate bayesian structure time series (mbsts) model \citep{qiu2018 multivariate,jammalamadaka2019predicting} 多くの構造時系列モデルの一般化版として、複数の相関時系列の推論と予測を扱う。
MBSTSモデルには幅広い応用があり、特徴選択、時系列予測、現在放送、因果的影響の推測などに最適である。
本稿では, MBSTS モデリングにおける R パッケージ \pkg{mbsts} の使用方法を示し, パッケージ内のユーザフレンドリな関数と開発者フレンドリな関数とそれに対応する方法論のブリッジを確立する。
\pkg{mbsts}パッケージのシミュレートされたデータセットとオブジェクト指向関数は、ユーザが柔軟にいくつかのコンポーネントを追加したり、削除したり、いくつかの設定を単純化したり、複雑にしたりできる方法で説明される。
関連論文リスト
- Unified Training of Universal Time Series Forecasting Transformers [110.79681024473159]
マスク型ユニバーサル時系列予測変換器(モイライ)について述べる。
Moiraiは、新たに導入された大規模オープンタイムシリーズアーカイブ(LOTSA)で訓練されており、9つのドメインで27億以上の観測が行われた。
Moiraiは、フルショットモデルと比較してゼロショットの予測器として、競争力や優れたパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-02-04T20:00:45Z) - Multi-scale Attention Flow for Probabilistic Time Series Forecasting [68.20798558048678]
マルチスケールアテンション正規化フロー(MANF)と呼ばれる非自己回帰型ディープラーニングモデルを提案する。
我々のモデルは累積誤差の影響を回避し、時間の複雑さを増大させない。
本モデルは,多くの多変量データセット上での最先端性能を実現する。
論文 参考訳(メタデータ) (2022-05-16T07:53:42Z) - MECATS: Mixture-of-Experts for Quantile Forecasts of Aggregated Time
Series [11.826510794042548]
我々はtexttMECATS という異種の専門家フレームワークを混合して導入する。
集約階層を通じて関連付けられた時系列の集合の値を同時に予測する。
異なる種類の予測モデルを個別の専門家として使用することで、各モデルの形式を対応する時系列の性質に合わせて調整することができる。
論文 参考訳(メタデータ) (2021-12-22T05:05:30Z) - Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。
当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。
単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文 参考訳(メタデータ) (2021-10-26T20:41:19Z) - Mlr3spatiotempcv: Spatiotemporal resampling methods for machine learning
in R [63.26453219947887]
このパッケージは、proglangRパッケージを直接mlr3機械学習フレームワークに統合する。
1つの利点は、包括的な機械学習ツールキットで一貫したレコメンデーションを使用することである。
論文 参考訳(メタデータ) (2021-10-25T06:48:29Z) - Merlion: A Machine Learning Library for Time Series [73.46386700728577]
Merlionは時系列のためのオープンソースの機械学習ライブラリである。
モデルの統一インターフェースと、異常検出と予測のためのデータセットを備えている。
Merlionはまた、本番環境でのモデルのライブデプロイメントと再トレーニングをシミュレートするユニークな評価フレームワークも提供する。
論文 参考訳(メタデータ) (2021-09-20T02:03:43Z) - Instance-wise Graph-based Framework for Multivariate Time Series
Forecasting [69.38716332931986]
我々は,異なる時刻スタンプにおける変数の相互依存性を利用するための,シンプルで効率的なインスタンス単位のグラフベースのフレームワークを提案する。
私たちのフレームワークのキーとなる考え方は、異なる変数の履歴時系列から予測すべき現在の時系列に情報を集約することです。
論文 参考訳(メタデータ) (2021-09-14T07:38:35Z) - Bayesian Feature Selection in Joint Quantile Time Series Analysis [1.2419096638953384]
本研究では,高次元結合量子時系列解析における特徴選択のための一般ベイズ次元削減手法を提案する。
QFSTSモデルは一般的な構造時系列モデルであり、各コンポーネントは時系列モデリングに付加的な寄与をもたらす。
QFSTSモデルは、特徴選択、パラメータ推定、予測において優れた性能を有する。
論文 参考訳(メタデータ) (2020-10-04T18:56:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。