滞后时间序列数据

Question

我一直在寻找构建用于预测的神经网络模型。我正在尝试让我的数据采用图像中显示的格式，以便模型可以根据之前的值（2 天前、1 天前、今天）进行预测。这些值将在第二天针对下一次预测进行调整，例如如图所示，第一次输入的 1 天前在第二次输入中变为 2 天前。我正在使用滞后函数来滞后时间序列的数据，并使用矩阵来设置这种格式的数据，但我很困惑并且为此苦苦挣扎了一段时间。如何使用滞后函数滞后图像中显示的数据？

我当前的代码：

data <-
  structure(
    list(
      `USD/EUR` = c(
        1.373,
        1.386,
        1.3768,
        1.3718,
        1.3774,
        1.3672,
        1.3872,
        1.3932,
        1.3911,
        1.3838,
        1.4171,
        1.4164,
        1.3947,
        1.3675,
        1.3801,
        1.3744,
        1.3759,
        1.3743,
        1.3787,
        1.3595,
        1.3599,
        1.3624,
        1.3523,
        1.3506,
        1.3521
      )
    ),
    row.names = c(NA,-25L),
    class = c("tbl_df",
              "tbl", "data.frame")
  )

#Lag the data
lagData <- c(lag(data$`USD/EUR`,k = 1))
lagData

#store data into matrix to feed to neural net
matrixForm <- matrix(lagData, nrow = 25, ncol = 4, byrow = TRUE)
matrixForm

Answer 1

1) 使用嵌入。没有使用包。

embed(data[[1]], 4)[, 4:1]

给出这个矩阵：

        [,1]   [,2]   [,3]   [,4]
 [1,] 1.3730 1.3860 1.3768 1.3718
 [2,] 1.3860 1.3768 1.3718 1.3774
 [3,] 1.3768 1.3718 1.3774 1.3672
 [4,] 1.3718 1.3774 1.3672 1.3872
 ...snip...

2)另一种可能是崩溃包中的flag（快滞后）：

na_omit(flag(data[[1]], 3:0))

给予：

          L3     L2     L1     --
 [1,] 1.3730 1.3860 1.3768 1.3718
 [2,] 1.3860 1.3768 1.3718 1.3774
 [3,] 1.3768 1.3718 1.3774 1.3672
 [4,] 1.3718 1.3774 1.3672 1.3872
 ...snip...

3) zoo 以类似于 flag 的方式支持多个滞后，除了它使用与 R 中相同的方向。确保 dplyr 是 not 已加载，因为它会覆盖延迟。

library(zoo)

na.omit(lag(zoo(data[[1]]), -3:0))

给这个动物园对象：

    lag-3  lag-2  lag-1   lag0
4  1.3730 1.3860 1.3768 1.3718
5  1.3860 1.3768 1.3718 1.3774
6  1.3768 1.3718 1.3774 1.3672
7  1.3718 1.3774 1.3672 1.3872
...snip...

滞后时间序列数据

Lagging time series data

r

neural-network

time-series

forecasting