基于Lasso罰的多元時間序列分析方法研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

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。

評論

0/150

提交評論