R語(yǔ)言用rle，svm和rpart決策樹進(jìn)行時(shí)間序列預(yù)測(cè)
原文鏈接：http://tecdat.cn/?p=3072
?
?
下面顯示了四種預(yù)測(cè)時(shí)間序列的方法。
支持向量機(jī)（R package e1071。“Chih-Chung Chang and Chih-Jen Lin，LIBSVM：a library for support vector machines，2005.”的實(shí)現(xiàn)）。
遞歸分區(qū)（R package rpart?！癇reiman，F(xiàn)riedman，Olshen and Stone。Classification and Regression Trees，1984”的實(shí)現(xiàn)）。
將最后兩種方法的性能與rle進(jìn)行比較，得到svm的95％和rpart的94％。
R ：
m$rle(Xvar ='sleep',Xlmin =60)m$setZoo()+rleplot(m$zo[,c(5,7,8)],type ='l')
# Subset a week
# Plot correlation matrixw$correlation(Xvars =w$nm[c(2:7,9)])
# SVM and Recursive partitioningplot(tune.gamma.cost)
rpart.p <- predict(rpart.m, data[,-1],type ='class')sdt$svm = as.integer(svm.p)dt$rpart = as.integer(rpart.p)plot(w$dt2zoo(dt)[,c(5,8,9,10)],type ='l')
?
標(biāo)簽：
