※ 引述《[email protected] (老怪物)》之銘言： : ※ 引述《[email protected] (Giberto)》之銘言： : > 各位好 我想請問一下預測的問題 : > 我在於每一個t時間點取一個觀測值(也可以稱為實際測量值吧) xt : > 也就是會有 1 ~ n 的時間點 會取得 x ~ xn 個觀測值 : > ex.. n = 1 ~ 10 x = 50, 55, 57,...ect(有10筆資料) : > 然後這10比資料的變化 : > 都是透過前一筆的隨機增加或是減少 : ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^何意? : 又何以得知? 我猜原po想表達的是, 他認為這些時間數列資料的走勢是類似AR(1)的時間數列模式 亦即 X(t)=a0+a1*X(t-1)+ε(t), 其中ε(t)為white noise 但如同老怪物的質疑, 你憑什麼確定每筆時間數列資料值與前一筆資料有很強的相關性? 你有去檢驗這件事嗎?(如何檢驗請查書,如acf,pacf,....) : > ex..50, 55, 57, 62, 59, 54... : > 不會從100跳到0或跳到200 : > 然後我需要預測n+1時間點的值 : > 不知道用哪一套預測方法會比較準確呢 : ^^^^^^^^^^^^^^^^^^^^^^^^^我懷疑有人能保證 : 哪種方法較準確. 沒人能告訴你那種預測方法會比較準確. 你應該回到問題本身, 每個時間數列有他特殊的特性, 你的資料是time domain,如日,月,季,年;或是frequency domain,如震波,音波; 在學界有不同的配適模式方法. 例如若是屬time domain的資料, 你可能可以採古典分解法,arima,arch,garch,...等來配適資料可能的型態; 若是屬frequency domain的資料, 則可能要考慮spectral analysis. 我還是覺得,要嘛你就把你的問題講清楚, 要不就去找time series的書好好的看一下, 思而不學則殆,不是每個人都像老怪物那樣這麼好心會回你的問題. 另外,勉強要說什麼預測方法比較準確, 一般的作法是這樣: 1.先搞清楚你的資料型態適合用什麼模式來配適, 舉例來說,有模式A和模式B,你認為都可以拿來預測你這筆時間數列資料, 2.我們可以先保留原始資料後k筆, 再以模式A的後k筆資料配適值和原始資料後k筆值的差值為基礎, 來計算其對應的MAE,MSE,MAPE,MSPE,或是AIC.....等最適模式評估準則, 接著再依上述評估準則來比較不同模式的優劣,並選出最適模式 3.以最適模式再進行預測 個人淺見.頭昏腦脹,隨意亂打.....有錯請指正! --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 218.160.186.180