R语言状态空间模型和卡尔曼滤波预测酒精死亡人数时间序列 By tecdat6月 2, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术卡尔曼滤波, 时间序列, 死亡人数, 状态空间模型, 酒精, 预测 状态空间建模是一种高效、灵活的方法,用于对大量的时间序列和其他数据进行统计推断。本文介绍了状态空间建模,其观测值来自指数族,即高斯、泊松、二项、负二项和伽马分布。
卡尔曼滤波器:用R语言中的KFAS建模时间序列 By tecdat9月 15, 2019大数据部落, 数理统计, 经济, 计算机科学与技术KFAS, R语言, 卡尔曼滤波器, 时间序列, 状态空间模型 ARIMA等传统模型有一个主要缺点 – 它们通常不会解释“冲击”或时间序列的突然变化。