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

全文链接：http://tecdat.cn/?p=32198

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