关于数据挖掘:R语言神经网络模型预测多元时间序列数据可视化

多元工夫序列建模始终是吸引了来自经济，金融和交通等各个领域的钻研人员的主题。多元工夫序列预测的一个根本假如是，其变量相互依赖。

在本文中，咱们应用了专门针对客户的多元工夫序列数据设计的神经网络框架，拟合单隐层神经网络，可能存在跳跃层连贯。

其中 Y 为因变量，工夫、Y1、Y2 为自变量。

data=read.xlsx("my data.xlsx")  
  
head(data)

建设单暗藏层神经网络，size 参数能够确定暗藏层的节点数量，maxit 管制迭代次数。

require(nnet)

## Loading required package: nnet

 #设置因变量  
  y=data$Y  
#  y<-data.frame((y-min(y))/(max(y)-min(y)))  
 names(y)<-'y'


foreY1=0  
   
   foreY1=predict(mod2,data.frame(T=foreyear)  )


datanew= data.frame(T=foreyear,Y1=foreY1,Y2=foreY2)

pre=ts(pre,start = c(2015),f=1)
 
############################### 绘制将来 20 年的工夫序列
plot(pre, axes = F,col=2,type="l")
axis(side = 1 ,col=10)

最受欢迎的见解

1. 在 python 中应用 lstm 和 pytorch 进行工夫序列预测

2.python 中利用长短期记忆模型 lstm 进行工夫序列预测剖析

3.Python 用 RNN 循环神经网络：LSTM 长期记忆、GRU 门循环单元、回归和 ARIMA 对 COVID-19 新冠疫情新增人数工夫序列

4.Python TensorFlow 循环神经网络 RNN-LSTM 神经网络预测股票市场价格工夫序列和 MSE 评估准确性

5.r 语言 copulas 和金融工夫序列案例

6.R 语言用 RNN 循环神经网络、LSTM 长短期记忆网络实现工夫序列长期利率预测

7.Matlab 创立向量自回归（VAR）模型剖析消费者价格指数 (CPI) 和失业率工夫序列

8.r 语言 k -shape 工夫序列聚类办法对股票价格工夫序列聚类

9. R 语言联合新冠疫情 COVID-19 股票价格预测：ARIMA，KNN 和神经网络工夫序列剖析

全文链接：http://tecdat.cn/?p=32198