Tôi muốn sử dụng mô hình hồi quy logistic nhị phân trong bối cảnh truyền dữ liệu (chuỗi thời gian đa chiều) để dự đoán giá trị của biến phụ thuộc của dữ liệu (tức là hàng) vừa xuất hiện, dựa trên các quan sát trong quá khứ. Theo như tôi biết, hồi quy logistic thường được sử dụng để phân tích hậu biến, trong đó từng biến phụ thuộc đã được đặt (bằng cách kiểm tra hoặc theo bản chất của nghiên cứu).
Tuy nhiên, điều gì xảy ra trong trường hợp chuỗi thời gian, trong đó chúng tôi muốn đưa ra dự đoán (đang di chuyển) về biến phụ thuộc về dữ liệu lịch sử (ví dụ: trong cửa sổ thời gian của giây cuối cùng ) và dĩ nhiên, trước đó ước tính của biến phụ thuộc?
Và nếu bạn thấy hệ thống trên theo thời gian, nó nên được xây dựng như thế nào để hồi quy hoạt động? Chúng ta phải đào tạo nó lần đầu tiên bởi nhãn, giả sử, 50 hàng đầu tiên của dữ liệu của chúng tôi (tức là thiết lập các biến phụ thuộc là 0 hoặc 1) và sau đó sử dụng các ước tính hiện tại của vector để ước tính xác suất mới của biến con người phụ thuộc 0 hoặc 1 cho dữ liệu vừa đến (tức là hàng mới vừa được thêm vào hệ thống)?
Để làm cho vấn đề của tôi rõ ràng hơn, tôi đang cố gắng xây dựng một hệ thống phân tích một hàng dữ liệu theo từng hàng và cố gắng đưa ra dự đoán về kết quả nhị phân (biến phụ thuộc), dựa trên kiến thức (quan sát hoặc ước tính) của tất cả các phụ thuộc hoặc giải thích trước đó các biến đã đến trong một cửa sổ thời gian cố định. Hệ thống của tôi là trong Rerl và sử dụng R cho suy luận.