已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著互聯網大數據時代的到來,各個領域的數據量急劇增加。數據分析和數據挖掘面臨著新的機遇和挑戰(zhàn)。傳統(tǒng)的向量自回歸模型對多元時間序列的分析已經不再適用。如何將傳統(tǒng)模型推廣到高維時間序列的應用上是在當下大數據時代亟需解決的課題。采取一定的技術實現高維數據的降維是一個極為有效的途徑。本文通過在傳統(tǒng)VAR模型的基礎上添加不同的罰函數達到降維的目的,從而將傳統(tǒng)的多元時間序列分析的方法成功推廣到高維數據中。
首先,通過VAR模型與Lasso
2、罰函數的結合,介紹了Lasso-VAR模型,并采用坐標下降法完成了對模型參數的求解。通過在空氣質量預測的幾組不同維數的時間序列的實驗中,證明了該模型可以有效地應用在高維時間序列中,克服了傳統(tǒng)VAR模型應用的局限性。
其次,又在Lasso方法的基礎上,增加了單調非遞增的約束條件,將矢量方程轉換為標量方程,介紹了序Lasso回歸模型,并給出了鄰近梯度法求解該模型的具體過程。本文將其應用到多元時間序列的定階及預測問題上,結果證明序L
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多元時間序列建模分析
- 多元時間序列建模分析
- 多元時間序列異常檢測的研究.pdf
- 金融多元時間序列挖掘方法研究與應用.pdf
- 多元時間序列的分割方法及拐點識別研究.pdf
- 基于小波理論的文物多元時間序列分析研究.pdf
- 基于隨機映射神經網絡的多元時間序列預測方法研究.pdf
- 多元時間序列關聯挖掘算法研究與應用
- 多元時間序列數據挖掘相似性分析方法及應用研究.pdf
- 多元時間序列關聯挖掘算法研究與應用.pdf
- 多元時間序列流動態(tài)關聯規(guī)則挖掘.pdf
- 基于情景聚類與經驗模態(tài)分解的弱可用多元時間序列預測方法.pdf
- 基于滑動窗口的多元時間序列數據動態(tài)關聯規(guī)則挖掘.pdf
- 互信息多元時間序列相關分析與變量選擇.pdf
- 基于多元時間序列的神經網絡短期風速預測模型的研究.pdf
- 多元時間序列相似性搜索算法研究.pdf
- 兩相流多元時間序列復雜網絡特性研究.pdf
- 多元時間序列數據挖掘中相似性算法的研究.pdf
- 多元時間序列中關聯規(guī)則的發(fā)現——以股票為例.pdf
- 基于時間序列理論方法的生物序列特征分析.pdf
評論
0/150
提交評論