एक घातीय चौरसाई मॉडल में लापता डेटा से निपटना

मॉडल के घातीय चौरसाई परिवार के संदर्भ में लापता डेटा से निपटने के लिए एक मानक तरीका प्रतीत नहीं होता है। विशेष रूप से, पूर्वानुमान पैकेज में ets नामक R कार्यान्वयन केवल लापता डेटा के बिना सबसे लंबे समय तक ले जाने के लिए लगता है, और Hyndman एट अल द्वारा पुस्तक "एक्सपोनेंशियल स्मूथिंग के साथ पूर्वानुमान"। लापता डेटा के बारे में बात करने के लिए प्रतीत नहीं होता है।

$y_t$ $\tilde y_t$ $y_t$ $\varepsilon_t = 0$

$0$ $\epsilon_t$

क्या इस विधि के साथ ज्ञात नुकसान हैं?

time-series forecasting missing-data

— एरिक पी।
स्रोत

क्या आपने एक घातीय सहसंयोजक कर्नेल के साथ एक गाऊसी प्रक्रिया का उपयोग करने पर विचार किया है? लापता डेटा को संभालने और आत्मविश्वास अंतराल प्राप्त करने के लिए एक प्राकृतिक तरीके की तरह लगता है। R में GPFit पैकेज है जिसे आप देख सकते हैं।

— ले रोजरसन

आपका दृष्टिकोण समझ में आता है। सॉफ्टवेयर का एक व्यावसायिक टुकड़ा जो मैं कुछ वर्षों से जुड़ा था, उसने ठीक यही किया था।

आपकी रूपरेखा एकल घातीय चौरसाई (एसईएस) पर लागू होती है, लेकिन निश्चित रूप से आप प्रवृत्ति या मौसमी घटकों के लिए एक ही उपचार लागू कर सकते हैं। मौसमी लोगों के लिए, आपको अपडेट करने के लिए पूर्ण मौसमी चक्र पर वापस जाना होगा।

पाठ्यक्रम का एक और विकल्प केवल लापता मूल्यों को प्रक्षेपित करना होगा। के नए संस्करणों में यह एक विकल्प है ets(..., na.action="na.interp")।

स्टेट स्पेस मॉडल्स के बारे में मुझे जो भी पता है, उससे बहुत मुश्किल नहीं होना चाहिए कि लापता डेटा को केवल बिना बताए इलाज किया जाए। मुझे यकीन नहीं है कि forecastपैकेज में इसे लागू क्यों नहीं किया गया है। रोब Hyndman के ब्लॉग के माध्यम से एक त्वरित खोज वास्तव में उपयोगी कुछ भी नहीं मिला।

— स्टीफ़न कोलासा
स्रोत