PSF:使用模式预测单变量时间序列基于序列的预测(PSF)算法

基于模式序列的预测(PSF)采用单变量时间序列数据作为输入,并有助于预测其未来值。该算法预测时间序列的行为基于模式序列的相似性。最初,集群是用从数据库中标记样本。然后,与样本关联的标签用于预测时间序列数据的未来行为。进一步关于PSF的技术细节和参考文献在Vignette中进行了讨论。

版本: 0.5
进口: 数据表集群
建议: 针织物rmarkdown公司预测
出版: 2022-05-01
作者: Neeraj Bokde、Gualberto Asencio-Cortes和Francisco Martinez-Alvarez
维护人员: Neeraj Bokde<neerajdhanraj at gmail.com>
错误报告: https://github.com/neerajdhanraj/PSF/问题
许可证: GPL-2型|GPL-3公司[扩展自:GPL(≥2)]
网址: https://www.neerajbokde.in/viggnette/2021-10-13-PSF/
需要编译:
引用: PSF引文信息
在视图中: 时间序列
CRAN检查: PSF结果

文档:

参考手册: PSF.pdf格式
渐晕图: 基于模式序列的预测(PSF)算法简介

下载内容:

程序包来源: PSF_0.5.tar.gz
Windows二进制文件: r-devel公司:PSF_0.5.zip文件,r版本:PSF_0.5.zip文件,r-oldrel:PSF_0.5.zip文件
macOS二进制文件: r释放(arm64):PSF_0.5.tgz(磅/平方英尺),r-oldrel(arm64):PSF_0.5.tgz(磅/平方英尺),r-release(x86_64):PSF_0.5.tgz(磅/平方英尺)
旧来源: PSF存档

反向依赖关系:

反向进口: 分解PSF预测TB

链接:

请使用规范形式https://CRAN.R-project.org/package=PSF链接到此页面。