r - R中的多元时间序列预测
问题描述
我有一个数据集,其中包含特定位置的每日和非每日数据的组合。位置由经度和纬度指定(V1 和 V2 列)。V3 列代表特定位置的值,即心脏病流行指标。V4 和 V5 列分别代表第 1-3 天、第 2-4 天的风速每日位置特定记录。V6 列是急诊室第 1-3 天的每日死亡病例;V7 是第 2-4 天的死亡人数;V8 是第 3-5 天的死亡人数。
给定 V1 到 V7 中的值,我想创建一个多元线性回归模型,可以预测每个位置第三天的新死亡人数。 这就是数据集的样子。
这是我正在尝试做的一个例子:
d <- as.data.frame(matrix(c(1,1,1,-2,-2,-2,14,14,14,90,90,90,103,103,103,-6,-6,-6,50,50,50,70,70,70,112,112,112,11,11,11,8,8,8,26,26,26,1.2,1.2,1.2,0.8,0.8,0.8,1.3,1.3,1.3,0.7,0.7,0.7,1.7,1.7,1.7,2,2,2,10,20,17,20,25,26,60,70,70,10,12,13,109,117,120,61,67,63,20,17,18,25,26,24,70,70,90,12,13,11,117,120,110,67,63,64,0,4,5,1,4,6,5,7,9,12,23,4,7,6,5,8,9,12,4,5,6,4,6,9,7,9,13,23,4,12,6,5,25,9,12,40,5,6,16 ,6,9,30 ,9,13,32 ,4,12,23 ,5,25,32 ,12,40,61 ), nrow = 18, ncol = 8))
dtrain <- d[1:12,]
dtest <- d[13:18,][1:7]
l <- lm(V8 ~ V1 +V2 + V3 + V4 + V5 + V6 + V7 , data = dtrain)
p <- predict(l,dtest)
我想知道在这种情况下将非每日数据和每日数据混合在一起是否会影响回归模型的准确性。我是机器学习的新手,不确定我的数据集的形状以及如何处理多元回归(在这种情况下也是时间序列。)
解决方案
推荐阅读
- python - 当我设置 FLASK_ENV 时,为什么 from flask.cli import main 会失败?
- vue.js - 如何删除 vuetify 文件输入可清除图标?
- java - 迭代快速排序方法
- python - Scrapy-splash response.css() 无法获取元素
- c# - 如何使用 C# Lambda 表达式在 MongoDb 中执行全文搜索
- r - for 循环谷歌地理编码()但跳过相同的县以减少谷歌 API 查询
- encryption - 我们可以解码这个 base64 值吗
- python-3.x - 试图通过套接字获取 403 错误代码
- maven - build.xml 文件中的 maven 依赖项无法下载
- c# - 从网页获取生成的html