原文链接：http:///?p=3072下面显示了四种预测时间序列的方法。 支持向量机（R package e1071。“Chih-Chung Chang and Chih-Jen Lin，LIBSVM：a library for support vector machines，2005.”的实现）。 递归分区（R package rpart。“Breiman，Friedman，Olshen and Stone。Classification and Regression Trees，1984”的实现）。 将最后两种方法的性能与rle进行比较，得到svm的95％和rpart的94％。 R ： m$rle(Xvar ='sleep',Xlmin =60)m$setZoo()+rleplot(m$zo[,c(5,7,8)],type ='l')对一周取子集# 绘制相关矩阵w$correlation(Xvars =w$nm[c(2:7,9)])# SVM调参plot(tune.gamma.cost)rpart.p <- predict(rpart.m, data[,-1],type ='class')sdt$svm = as.integer(svm.p)dt$rpart = as.integer(rpart.p)plot(w$dt2zoo(dt)[,c(5,8,9,10)],type ='l') |
|
|
