Matlab 利用时间序列回归预测数据
我试图用时间序列分析为回归准备数据。我在Matlab上使用LIBSVM 假设我有N天的价格,我想预测第二天的价格。因此,训练集X是长度K的向量的向量,并且训练集Y类似于: (第1天)…(第2天)…(第K天)----------->第(K+1)天 (第2天)…(第3天)…(第K+1天)--->第(K+2天) (第3天)…(第4天)…(第K+2天)--->第(K+3天) 等等 但问题是:我假设测试数据解决方案将给我一天中的天数(K+1)、天数(K+2)、天数(K+3)。但它总是适合独立变量的最后一天。(这是(第K天),(第K+1天),(第K+2天)) 我试图改变K的值,但没有改变 更多说明:例如,假设我们有以下单变量时间序列: 123456789=s[1]…s[9] 使用N=3进行窗口化产生: [s[k−3] ,s[k−2] ,s[k−1]] →s[k] ⎢1 2 3 ⎢ ⎢4.⎢ ⎢2 3 4 ⎢ ⎢5.⎢ ⎢3 4 5 ⎢ ⎢6.⎢ ⎢. . . ⎢ ⎢.⎢ ⎢6 7 8 ⎢ ⎢9⎢ 但问题是结果符合向量 ⎢3.⎥ ⎢4.⎥ ⎢5.⎥ ... ⎢8.⎥Matlab 利用时间序列回归预测数据,matlab,time-series,libsvm,prediction,Matlab,Time Series,Libsvm,Prediction,我试图用时间序列分析为回归准备数据。我在Matlab上使用LIBSVM 假设我有N天的价格,我想预测第二天的价格。因此,训练集X是长度K的向量的向量,并且训练集Y类似于: (第1天)…(第2天)…(第K天)----------->第(K+1)天 (第2天)…(第3天)…(第K+1天)--->第(K+2天) (第3天)…(第4天)…(第K+2天)--->第(K+3天) 等等 但问题是:我假设测试数据解决方案将给我一天中的天数(K+1)、天数(K+2)、天数(K+3)。但它总是适合独立变量的最后一天
我找不到问题出在哪里?这不是一般问题,但可能是您的代码有问题。您应该附加一些代码,以便我们能够理解问题所在。n=3 dataTrainIndependent=dataTrainIndependent(:,2);dataTrainIndependentOrj=dataTrainIndependent;dataTrainIndependent=dataTrainIndependent(1:end-n);对于i=1:n;dataTrainIndependent=[dataTrainIndependent dataTrainIndependentOrj(1+i:end-(n-i),:)];结束;dataTrainDependent(1:n,:)=[];%%测试数据也是如此,此处的刻度为cmd=['-s4-t2'];模型=svmtrain(dataTrainDependent、dataTrainIndependent、cmd);[predictedValue,acc,dec]=SVMPPredict(依赖于数据测试,依赖于数据测试,模型);[MSE DA CP CD]=计算(数据测试相关,预测值);为问题添加代码,注释不能很好地格式化没有代码很难判断问题在哪里。一种可能性是,时间序列很难预测最佳可用估计值是“持久性预测”,尽管如果您使用问题中建议的
1:9
示例对其进行测试,情况并非如此。