Deutsches R-Forum

Samstag Abend, bisher keine Antwort, scheint ja nicht so dringend gewesen zu sein

Ich muss bis 31.08. meine Hausarbeit abgebene

Ich denke, dass ich circa 2 Stunden intensive Betreuung via Skype o.ä. brauchen könnte, um die Hausarbeit abzuschließen.

Was wären dir denn die 2 Stunden Beratung am Wochenende Wert?

EDi hat geschrieben: ↑Do Aug 27, 2020 9:43 pm Ich würde die Kennewerte (Mittelwert, SE) außerhalb berechnen und dann erst plotten.

Auch würde ich die Balken nicht stacken - das verwirrt doch bzw. die y-Achse ist doch falsch?

Ich würde die Kennewerte (Mittelwert, SE) außerhalb berechnen und dann erst plotten.

decompse() braucht mindestens 2x frequency Datenpunkte.

Entweder du lieferst also mindestens 104 Datenpunkte oder setzt die frequency auf <26 (falls sinvoll).

Was soll denn dabei rumkommen?

Ist das nicht das Problem?

Nein.

Du verlangst etwas von decompose was es nicht kann:
Wie soll man den saisonalen Effekt schätzen, wenn du nur eine Saison hast?

frequency = 52 = Länge der Daten...

Ohne ein reproduzierbares Beispiel, kann ich dir nur das geben: decompose(ts(1:52, start = c(2008,1), frequency = 52)) decompose(ts(1:208, start = c(2008,1), frequency = 52)) Das erzeugt die gleiche Fehlermeldung und zeigt auch dass sie nicht kommt wenn man 2 oder mehr perioden in den Daten hat. Vie...

Ich glaube nicht, dass es dafür Algorithmen gibt. Wenn man keinen Anhaltspunkt hat (*), könnte man ein grid-search machen und z.b. die Anzahl der Layer und Knoten im ersten Layer tunen. Zumindest wenn die Daten und das Model überschaubar sind (ansonsten dauert das zu lange). Das ist recht einfach z...

Ja, NN ersparen dir das Feature Engineering. Sind aber auch sehr Datenhungrig und oft schwerer zu interpretieren...

Dein Beispiel hätte ich mit einem Baum-Modell modelliert.

Die Frage ist sehr vage und sehr breit... Kann ich nur genauso vage und breit antworten: JJ Allaire - Deep Learning wird R. Ein gutes Buch zur Einführung. Wieso neuronale Netze bei nur 10 Features? Da kann man doch genauso gut eine logistische Regression rechnen.... Zur Not noch eine Feature Auswahl...