который указывает на конкретный регион, на конкретную неделю, шел ли дождь, учитывая, были ли облака в этом регионе на этой неделе.
В В моем игрушечном примере я хотел бы иметь возможность предсказать, будет ли дождь на неделе n, принимая во внимание, шел ли дождь в предыдущие недели, а также были ли облака в предыдущие недели.
Как я мог этого добиться? Какая модель подойдет для решения такого типа задач?
У меня есть следующий кадр данных pandas [code]import pandas as pd pd.DataFrame({ 'region': [1,1,1,1,2,2,2,2,3,3,3,3], 'week': [1,2,3,4,1,2,3,4,1,2,3,4], 'rain': [1,1,0,1,1,1,1,1,1,0,0,0], 'clouds': [1,1,0,0,0,0,1,0,1,0,0,0] })
region week rain clouds 0 1 1 1 1 1 1 2 1 1 2 1 3 0 0 3 1 4 1 0 4 2 1 1 0 5 2 2 1 0 6 2 3 1 1 7 2 4 1 0 8 3 1 1 1 9 3 2 0 0 10 3 3 0 0 11 3 4 0 0 [/code] который указывает на конкретный регион, на конкретную неделю, шел ли дождь, учитывая, были ли облака в этом регионе на этой неделе. В В моем игрушечном примере я хотел бы иметь возможность предсказать, будет ли дождь на неделе n, принимая во внимание, шел ли дождь в предыдущие недели, а также были ли облака в предыдущие недели. Как я мог этого добиться? Какая модель подойдет для решения такого типа задач?
Я пытаюсь подогнать линейную регрессию TWFE, поэтому у меня есть эндогенная переменная (y), эффекты сущности и эффекты времени. Я просто хочу подогнать эту регрессию:
Y_it = \lambda_t + \gamma_i
Но если я не использую экзогенную переменную (X), я...
Я пытаюсь подогнать линейную регрессию TWFE, поэтому у меня есть эндогенная переменная (y), эффекты сущности и эффекты времени. Я просто хочу подогнать эту регрессию:
Y_it = \lambda_t + \gamma_i
Но если я не использую экзогенную переменную (X), я...
Я пытаюсь подогнать линейную регрессию TWFE, поэтому у меня есть эндогенная переменная (y), эффекты сущности и эффекты времени. Я просто хочу подогнать эту регрессию:
Y_it = \lambda_t + \gamma_i
Но если я не использую экзогенную переменную (X), я...
У меня есть 1-минутные данные временных рядов с столбцами событий и продолжительности. Иногда события не случаются какое -то время, но последнее событие заполняется вперед, пока не произойдет следующее событие. Мы знаем, сколько минут каждые событие...
В настоящее время я работаю над проектом, в котором мне нужно сначала объединить два набора данных:
Первый набор данных содержит данные о погоде с 30-минутными интервалами. Второй набор данных содержит данные минутного уровня с фотоэлектрическим...