线性回归-周期性表达

最新推荐文章于 2022-10-09 22:45:37 发布

炫炫有牛腩

最新推荐文章于 2022-10-09 22:45:37 发布

阅读量3.6k

点赞数 1

分类专栏：例子文章标签：数据

本文链接：https://blog.csdn.net/qq_27755195/article/details/52145539

版权

本文探讨了如何使用线性回归对周期性时间序列进行预测，特别是在处理如星期这样的周期时，通过0-1哑变量进行表达。同时介绍了时间序列回归，包括线性回归的一般形式，并提及了在特定情况下如节假日的处理方式，以及误差函数的选择，如均方误差和相对误差。

摘要由CSDN通过智能技术生成

线性回归-周期性表达

利用线性回归对周期性时间序列进行回归预测时，常用的一种表达方式是使用0-1哑变量进行表达。以星期为周期的数据进行举例说明：

# 数据简介
# rst：需拟合的值; date：日期
data.example
    rst       date
 1: 112   2016-07-04
 2: 118   2016-07-05
 3: 132   2016-07-06
 4: 129   2016-07-07
 5: 121   2016-07-08
---
80: 419   2016-09-21
81: 461   2016-09-22
82: 472   2016-09-23
83: 535   2016-09-24
84: 622   2016-09-25

##----------------- 数据处理 --------------------##
# 提取星期信息
data.example[, ":="(day = weekdays(date), T = 1)]
# 数据拆分
data.example <- dcast.data.table(data.example, 
                                 rst + date ~ day, 
                                 fill = 0, value.var = "T")

# 数据整理
data.example <- data.example[, .(rst, date, 星期一, 星期二, 星期三, 
                                 星期四, 星期五, 星期六, 星期日)]
setorder(data.example, date)

# 查看结果
data.example
    rst    date     星期一 星期二 星期三 星期四 星期五 星期六 星期日
 1: 112 2016-07-04    1     0      0     0     0     0      0
 2: 118 2016-07-05    0     1      0     0     0     0      0
 3: 132 2016-07-06    0     0      1     0     0     0      0
 4: 129 2016-07-07    0     0      0     1     0     0      0
 5: 121 2016-07-08    0     0      0     0     1     0      0
---
80: 419 2016-09-21    0     0      1     0     0     0      0
81: 461 2016-09-22    0     0      0     1     0     0      0
82: 472 2016-09-23    0     0      0     0     1     0      0
83: 535 2016-09-24    0     0      0     0     0     1      0
84: 622 2016-09-25    0     0      0     0     0     0      1