Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
| Ця стаття містить , але походження окремих тверджень через брак . (липень 2018) |
Модель бає́сового структу́рного часово́го ря́ду (БСЧР, англ. bayesian structural time series, BSTS) — це методика машинного навчання, що її застосовують для обирання ознак, передбачування часових рядів, [en], з'ясовування причинного впливу та інших застосувань. Цю модель розроблено для роботи з даними часових рядів.
Ця модель також має обнадійливе застосування в галузі аналітичного маркетингу. Зокрема, її можливо застосовувати для оцінювання внеску різних маркетингових кампаній до зміни в об'ємах вебпошуку, продажах продукту, популярності бренду та інших доречних індикаторах (звичним альтернативним підходом в цьому випадку є модель [en]). «На противагу до класичних схем різниці-в-різницях, станово-просторові моделі уможливлюють (i) висновування про розгортання приписуваного впливу в часі, (ii) включення емпіричних апріорних до параметрів у повністю баєсовому трактуванні, та (iii) гнучке пристосовування численних джерел мінливості, включно зі змінюваним у часі впливом одночасних коваріат, наприклад, штучних керувань.»
Загальний опис моделі
Ця модель складається з трьох основних частин:
- Фільтр Калмана. Методика для розкладання часових рядів. На цьому кроці дослідник може додати різні змінні стану: тенденцію, сезонність, повертання до попереднього стану та інші.
- [en] метод. На цьому кроці обираються найважливіші передбачувачі регресії.
- Баєсове усереднювання моделей. Поєднання результатів та обчислення передбачення.
Цю модель можливо використовувати для виявляння спричинювання за допомогою її припущень від зворотного та фактичних даних.
Можливим недоліком цієї моделі може бути відносно складна математична основа та складне втілення як комп'ютерної програми. Проте, мова програмування R має готові для використання пакети для обчислення моделі БСЧР (англ. BSTS), які не вимагають від дослідника сильної математичної кваліфікації.
Див. також
Примітки
- . research.google.com. Архів оригіналу за 24 жовтня 2017. Процитовано 17 квітня 2016. (англ.)
- (PDF). Архів оригіналу (PDF) за 25 листопада 2017. Процитовано 14 липня 2018. (англ.)
- . google.github.io. Архів оригіналу за 1 липня 2018. Процитовано 17 квітня 2016. (англ.)
Література
- Scott, S. L., & Varian, H. R. 2014a. Bayesian variable selection for nowcasting economic time series [ 19 червня 2018 у Wayback Machine.]. Economic Analysis of the Digital Economy. (англ.)
- Scott, S. L., & Varian, H. R. 2014b. Predicting the present with bayesian structural time series [ 12 липня 2018 у Wayback Machine.]. International Journal of Mathematical Modelling and Numerical Optimisation. (англ.)
- Varian, H. R. 2014. Big Data: New Tricks for Econometrics [ 17 травня 2018 у Wayback Machine.]. Journal of Economic Perspectives (англ.)
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. 2015. Inferring causal impact using Bayesian structural time-series models [ 24 жовтня 2017 у Wayback Machine.]. The Annals of Applied Statistics. (англ.)
- Пакет R "bsts" [ 25 листопада 2017 у Wayback Machine.]. (англ.)
- Пакет R "CausalImpact" [ 1 липня 2018 у Wayback Machine.]. (англ.)
- O’Hara, R. B., & Sillanpää, M. J. 2009. A review of Bayesian variable selection methods: what, how and which [ 2 червня 2018 у Wayback Machine.]. Bayesian analysis. (англ.)
- [en], Madigan, D., Raftery, A. E., & Volinsky, C. T. 1999. Bayesian model averaging: a tutorial [ 2 червня 2018 у Wayback Machine.]. Statistical science. (англ.)
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Cya stattya mistit perelik posilan ale pohodzhennya okremih tverdzhen zalishayetsya nezrozumilim cherez brak vnutrishnotekstovih dzherel vinosok Bud laska dopomozhit polipshiti cyu stattyu peretvorivshi dzherela z pereliku posilan na dzherela vinoski u samomu teksti statti Zvernitsya na storinku obgovorennya za poyasnennyami ta dopomozhit vipraviti nedoliki lipen 2018 Model baye sovogo struktu rnogo chasovo go rya du BSChR angl bayesian structural time series BSTS ce metodika mashinnogo navchannya sho yiyi zastosovuyut dlya obirannya oznak peredbachuvannya chasovih ryadiv en z yasovuvannya prichinnogo vplivu ta inshih zastosuvan Cyu model rozrobleno dlya roboti z danimi chasovih ryadiv Cya model takozh maye obnadijlive zastosuvannya v galuzi analitichnogo marketingu Zokrema yiyi mozhlivo zastosovuvati dlya ocinyuvannya vnesku riznih marketingovih kampanij do zmini v ob yemah vebposhuku prodazhah produktu populyarnosti brendu ta inshih dorechnih indikatorah zvichnim alternativnim pidhodom v comu vipadku ye model en Na protivagu do klasichnih shem riznici v riznicyah stanovo prostorovi modeli umozhlivlyuyut i visnovuvannya pro rozgortannya pripisuvanogo vplivu v chasi ii vklyuchennya empirichnih apriornih do parametriv u povnistyu bayesovomu traktuvanni ta iii gnuchke pristosovuvannya chislennih dzherel minlivosti vklyuchno zi zminyuvanim u chasi vplivom odnochasnih kovariat napriklad shtuchnih keruvan Zagalnij opis modeliCya model skladayetsya z troh osnovnih chastin Filtr Kalmana Metodika dlya rozkladannya chasovih ryadiv Na comu kroci doslidnik mozhe dodati rizni zminni stanu tendenciyu sezonnist povertannya do poperednogo stanu ta inshi en metod Na comu kroci obirayutsya najvazhlivishi peredbachuvachi regresiyi Bayesove userednyuvannya modelej Poyednannya rezultativ ta obchislennya peredbachennya Cyu model mozhlivo vikoristovuvati dlya viyavlyannya sprichinyuvannya za dopomogoyu yiyi pripushen vid zvorotnogo ta faktichnih danih Mozhlivim nedolikom ciyeyi modeli mozhe buti vidnosno skladna matematichna osnova ta skladne vtilennya yak komp yuternoyi programi Prote mova programuvannya R maye gotovi dlya vikoristannya paketi dlya obchislennya modeli BSChR angl BSTS yaki ne vimagayut vid doslidnika silnoyi matematichnoyi kvalifikaciyi Div takozh en Korelyaciya ne oznachaye sprichinyuvannyaPrimitki research google com Arhiv originalu za 24 zhovtnya 2017 Procitovano 17 kvitnya 2016 angl PDF Arhiv originalu PDF za 25 listopada 2017 Procitovano 14 lipnya 2018 angl google github io Arhiv originalu za 1 lipnya 2018 Procitovano 17 kvitnya 2016 angl LiteraturaScott S L amp Varian H R 2014a Bayesian variable selection for nowcasting economic time series 19 chervnya 2018 u Wayback Machine Economic Analysis of the Digital Economy angl Scott S L amp Varian H R 2014b Predicting the present with bayesian structural time series 12 lipnya 2018 u Wayback Machine International Journal of Mathematical Modelling and Numerical Optimisation angl Varian H R 2014 Big Data New Tricks for Econometrics 17 travnya 2018 u Wayback Machine Journal of Economic Perspectives angl Brodersen K H Gallusser F Koehler J Remy N amp Scott S L 2015 Inferring causal impact using Bayesian structural time series models 24 zhovtnya 2017 u Wayback Machine The Annals of Applied Statistics angl Paket R bsts 25 listopada 2017 u Wayback Machine angl Paket R CausalImpact 1 lipnya 2018 u Wayback Machine angl O Hara R B amp Sillanpaa M J 2009 A review of Bayesian variable selection methods what how and which 2 chervnya 2018 u Wayback Machine Bayesian analysis angl en Madigan D Raftery A E amp Volinsky C T 1999 Bayesian model averaging a tutorial 2 chervnya 2018 u Wayback Machine Statistical science angl