R语言用rle，svm和rpart进行时间序列预测

下面显示了四种预测时间序列的方法。

支持向量机（R package e1071。“Chih-Chung Chang and Chih-Jen Lin，LIBSVM：a library for support vector machines，2005.”的实现）。

递归分区（R package rpart。“Breiman，Friedman，Olshen and Stone。Classification and Regression Trees，1984”的实现）。

将最后两种方法的性能与rle进行比较，得到svm的95％和rpart的94％。

R ：

# Apply rle (forward and backward) and a condition: lenght time for sleep changes of 1h m$rle(Xvar ='sleep',Xlmin =60)m$setZoo()# Show differences between conditional and conditional + rleplot(m$zo[,c(5,7,8)],type ='l')

# Subset a week

# Plot correlation matrix

w$correlation(Xvars =w$nm[c(2:7,9)])

扫描二维码关注公众号，回复： 693976 查看本文章

# SVM and Recursive partitioning

plot(tune.gamma.cost)

rpart.p <- predict(rpart.m, data[,-1],type ='class')# Resultsdt$svm = as.integer(svm.p)dt$rpart = as.integer(rpart.p)plot(w$dt2zoo(dt)[,c(5,8,9,10)],type ='l')

▍关注我们

大数据部落  -中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和

统计分析和数据挖掘咨询服务： y0.cn/teradat （咨询服务请联系 官网客服 ）

QQ： 3025393450

【服务场景】        

 

             

科研项目;

        

             

公司项目外包;线上线下一对一培训;学术研究。

【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务

 

分享最新的大数据资讯，每天学习一点数据分析，让我们一起做有态度的数据人

微信客服号：lico_9e

QQ交流群：186388004  

欢迎关注微信公众号，了解更多数据干货资讯！