稀疏排序套索的实现时间序列数据。这种方法对于具有外生特征和/或复杂性的大时间序列季节性。最初在彼得森和卡瓦诺描述(2022) <doi:10.1007/s10182-021-00431-7>在变量的上下文中带有交互和/或多项式的选择,排序稀疏性为一种哲学,其方法适用于存在先验信息不对称。这种情况是长期存在的具有复杂季节性的系列数据,如Peterson和Cavanaugh所示(2023+) <doi:10.48550/arXiv.2211.01492>,它还描述了此包更加详细。时间序列的稀疏秩拉索(SRL)在“srlTS”中实现可以适应大型/复杂/高频时间序列快速,即使使用高维的外生特征集。SRL是比竞争对手快得多,同时往往生产更多准确的预测。还包括一系列每小时到达的游客进入爱荷华州大学急诊科温度。
请使用规范形式https://CRAN.R-project.org/package=srlTS链接到此页面。