(刚刚发布)timetk 2.0.0:可视化时间序列数据的代码的1号线

2020年6月4日
通过

[本文首次发表于business-science.io,并慷慨解囊,以188bet app]。(您可以在本网页上的内容报告问题金宝搏网址这里
要共享R-博客内容?188bet app188bet app 如果你有一个博客,或这里如果你不这样做。

我EXTACTIC宣布释放timetk2.0.0版本。这是一个巨大的发行版,显著扩展的功能timetk去远远超出了包装的最初目标。现在,包是全功能的时间序列可视化,数据扯皮,和预处理工具。

我将进入详细左右金宝搏网址你可以在代码1行做和我有几个多篇关于如何使用一些新的功能来。

但首先一点历史...

背景

因为我的预测销售和经济数据对于制造企业我工作了两天时间系列一直是一个激情的项目给我。我的一个抱怨一直是我不得不使用50个不同的套餐(动物园XTSdplyr等)由50个不同的人作出执行常见的数据争论和可视化分析。timetk解决这个问题,通过使一致的方法来可视化,争吵,和里面的预处理时间序列数据tidyversetidymodels生态系统。

随着整齐时间序列的进步,的组合tidyverse和时间序列是一个令人惊讶的强大的概念。我没有想到这个主意的第一个。事实上,戴维斯沃恩创建tibbletime和“tidyverts”(罗布·海德门,Earo王和米切尔奥哈拉野生型)已经创建了一个整体预测和数据使用扯皮系统tsibble数据结构。

这是惊人的包,但他们解决不同的需求。tibbletime专注于数据扯皮。该tidyverts专注于预测的ARIMA和公司规模。

我的需求是不同的。我需要:

  • 交互式可视化简单的数据探索
  • 时间序列数据角力这样做的时间序列汇总,过滤,填充和简单的基于日期算术
  • 转换和预处理是适应新tidymodels生态系统(所以我可以做时间系列机器学习除了ARIMA预测)

因此,我创建timetk2.0.0版本来解决这些需求。

这里是新的任务,你可以做什么在代码1行timetk> = 2.0.0。

任务

为了方便,以可视化,争吵和预处理时间序列数据为预测和机器学习预测。

你可以做什么在代码中的1号线?

第一步骤中,加载这些R封装。

图书馆tidyverse图书馆lubridate图书馆timetk

调查时间序列...

这个很有趣!在1号线的代码中,我们可以直观的数据集。

#静态ggplottaylor_30_min%>%plot_time_series日期.color_var=日期。互动=.color_lab=“周”

块无名-块-2地块

那么,为什么我们只是做?

我们正在探索taylor_30_min,这是来自于我的所有时间最喜欢的包的一个经典的电力点播时间序列,预测。它已经更新到tibble结构与时间戳列称为“日期”和所谓的“值”的值的列。

我们可以用它绘制plot_time_series()。我设置薛志东隋卫平李利军= FALSE返回一个ggplot(我会做,对于所有在本教程中的可视化)。默认是返回一个互动plotly图,这对于大闪亮应用,rmarkdownHTML文档,并探讨时间序列超强(缩放,平移等)。

想在一个交互式plotly可视化?

刚刚尝试这个代码,并探索plotly可视化。

#交互Plotlytaylor_30_min%>%plot_time_series日期.color_var=日期。互动=真正.plotly_slider=真正.color_lab=“周”

让我们加快脚步。下面是一些更惊人的可视化功能!

可视化异常...

我们可以直观的多个时间序列组异常。这里我们使用通过...分组()到组时间序列。请注意,这是一个不同的数据集,walmart_sales_weekly

walmart_sales_weekly%>%通过...分组商店部门%>%plot_anomaly_diagnostics日期Weekly_Sales.facet_ncol=3。互动=

块无名-块-4地块

做一个季节性的情节......

我们可以得到的季节性曲线。

taylor_30_min%>%plot_seasonal_diagnostics日期。互动=

块无名-块-5地块

检查自相关,偏相关(和互相关太)...

我们可以搜索相关和偏自相关。

taylor_30_min%>%plot_acf_diagnostics日期.lags=“1周”。互动=

块无名-块-6的情节

文档

我有几个教程和一个全职系列教程未来。访问timetk网站文档更多信息和的函数引用完整列表

时间系列课程(快来了)

我教timetk在我的时间序列分析和预测课程。如果有兴趣学习临预测策略则加入我的候补名单。该课程即将到来。



你将学习:

  • 时间序列预处理,降噪,和异常检测
  • 利用滞后变量和外部的回归量特征工程
  • 超参数调整
  • 时间序列交叉验证
  • Ensembling多机器学习与单变量建模技术(竞赛优胜者)
  • NEW - 深度学习与RNNs(竞赛优胜者)
  • 和更多。

注册的时间系列课程候补名单

对使用Timetk的时间序列问题?

请在下面聊天的注释。

而且,如果你打算使用timetk为您的企业,这是一个没有脑子 -加入我的时间系列课程候补(它的到来,这真是疯了)。

发表评论对于作者,请按照自己的博客上的链接和评论:business-science.io

188bet appR-bloggers.com报价每日电子邮件更新金宝搏网址 [R新闻和教程金宝搏网址金宝搏网址 和许多其他议题。点击这里,如果你正在寻找张贴或找到一个R /数据科学工作
要共享R-博客内容?188bet app188bet app 如果你有一个博客,或这里如果你不这样做。



如果你走到这一步,为什么不订阅更新从网站?选择你的味道:电子邮件推特1188bet app, 要么Facebook的...

评论被关闭。

搜索R-博客188bet app

赞助商

决不会错过的更新!
订阅R-博客188bet app接受
电子邮件与最新的[R帖子。
(您将不会再看到这条消息。)

点击此处关闭(此弹出不会再次出现)