Gán nhiều trọng lượng hơn cho các quan sát gần đây hơn trong hồi quy

Làm thế nào để tôi gán thêm trọng lượng cho các quan sát gần đây hơn trong R?

Tôi cho rằng đây là một câu hỏi hoặc mong muốn thường gặp nhưng tôi có một thời gian khó khăn để tìm ra chính xác làm thế nào để thực hiện điều này. Tôi đã cố gắng tìm kiếm rất nhiều cho điều này nhưng tôi không thể tìm thấy một ví dụ thực tế tốt.

Trong ví dụ của tôi, tôi sẽ có một bộ dữ liệu lớn theo thời gian. Tôi muốn nói áp dụng một số loại trọng số theo cấp số nhân của các hàng dữ liệu gần đây hơn. Vì vậy, tôi sẽ có một số loại hàm số mũ cho biết các quan sát trong năm 2015 là ___ quan trọng hơn để đào tạo mô hình so với các quan sát trong năm 2012.

Các biến số liệu của tôi chứa hỗn hợp các giá trị phân loại và số và mục tiêu của tôi là một giá trị số - nếu điều đó quan trọng.

Tôi muốn kiểm tra / dùng thử điều này bằng cách sử dụng các mô hình như GBM / Rừng ngẫu nhiên, lý tưởng nhất là trong gói CARET.

cập nhật câu hỏi

Tôi đánh giá cao phản hồi được đưa ra dưới đây về cách giảm trọng lượng theo cấp số nhân theo khoảng cách ngày giữa hai điểm.

Tuy nhiên, khi nói đến việc đào tạo mô hình này trong caret, làm thế nào chính xác các yếu tố trọng lượng trong? Giá trị trọng lượng trong mỗi hàng đào tạo là khoảng cách giữa một số điểm trong tương lai và khi điểm đó trong lịch sử xảy ra.

Các trọng lượng chỉ có tác dụng trong dự đoán? Bởi vì nếu họ tham gia vào khóa đào tạo, liệu điều đó có gây ra đủ loại vấn đề vì các nếp gấp khác nhau sẽ có trọng lượng khác nhau, cố gắng dự đoán điều gì đó có thể thực sự xảy ra tại thời điểm trước đó không?

Làm thế nào để tôi gán thêm trọng lượng cho các quan sát gần đây hơn trong R?

Tôi đoán bạn có dấu thời gian liên quan đến mỗi quan sát. Bạn có thể tính toán một biến timeElapsed = modelingTime - observationTime. Bây giờ bạn áp dụng một hàm số mũ đơn giản như W=K*exp(-timeElapsed/T), trong đó Klà hằng số chia tỷ lệ và Tlà hằng số thời gian cho hàm phân rã. Whoạt động như trường hợp trọng lượng.

Theo hiểu biết tốt nhất của tôi, nhiều hàm caretcho phép weightnhư một tham số, là một cột có trọng số trường hợp được cung cấp cho quan sát tương ứng (do đó có cùng độ dài với # mũi tên).

Dữ liệu (không phải nhà phân tích đưa ra giả định - phỏng đoán) thường có thể đề xuất hình thức của sơ đồ trọng số. Điều này được thực hiện thông qua GLS trong đó các trọng số phù hợp cho mô hình bình phương nhỏ nhất có trọng số được lấy từ sự khác biệt có ý nghĩa thống kê được tìm thấy trong phương sai lỗi. Hãy xem Phát hiện thay đổi và ngoại lệ bằng phương tiện ARIMA (thủ tục Tsay) và tại đây http://docplayer.net/12080848-Outliers-level-shifts-and-variance-changes-in-time-series.html . Nếu bạn muốn đăng dữ liệu, vui lòng làm như vậy tại đây và tôi sẽ cố gắng và giúp đỡ thêm vì tôi có quyền truy cập thường xuyên vào phần mềm có thể khai sáng cho bạn.

Có một phiên bản R của phần mềm tôi đang sử dụng.

Bạn có thể xem Làm thế nào để đưa các biến kiểm soát vào phân tích Can thiệp với ARIMA? vì nó có ví dụ về cách xác định và sử dụng các trọng số để ổn định phương sai lỗi, do đó tin tưởng / không tin tưởng / giảm giá / trọng số / tin tưởng một số giá trị trước đó một cách hiệu quả.