时间序列是一系列数据点,其值在连续时间(连续时间或离散时间段)测量。时间序列分析利用这种自然时间排序从基础数据中提取意义和趋势。
如何设置分片`region`以避免在Apache IoTDB中报告`AsyncIoTConsensusServiceClient 113`类型错误?
Apache IoTDB 的分片区域是基于时间分片的吗?如何减少该区域的数量?我认为这个数量太多了,所以我报告了这个错误,但是如果我设置这个数量...
我有一个名为 metric 的时间刻度数据库,其中存储了许多不同的参数,有些是字符串值,有些是整数值。基本上,我有一个名为“carbon”的参数,它是一个
尽管数据集相对较小,但使用 time_bucket_gapfill 查询连续聚合时性能缓慢
创建表 sku_usage ( -- 创建常规表 时间时间戳不为空, device_id uuid NOT NULL, loyalty_program_id 文本不为空, sku 文本不为空, 数量双倍
使用 Grouper 的 pandas 系列日期时间索引中的月份名称
我正在将一年的数据(六月至五月)按月绘制成胡须箱图。 我有 pandas 系列的数据: 日期 2018-06-01 0.012997 2018-06-02 0.009615 2018-06-03 0.012884 2018-06-04 ...
TimescaleDB 中使用 Django 作为框架的多个时间序列
我正在尝试在 timescaledb 中设置多个时间序列。问题在于不同的记录具有相同的时间戳,例如 从 django.db 导入模型 从 timescale.db.models.models 导入
我正在尝试寻找一种方法来过滤掉具有如下所示模式的信号。 该模式可以描述为具有方波,通常具有恒定的波动值......
为什么在Windows环境下Apache IoTDB中运行`pip install`后出现`failed to build thrift`错误?
pip install apache-iotdb工具不支持Windows环境吗?在Windows中运行pip install apache-iotdb==0.13.0.post1后,出现错误消息:Failed to build thrift, ERROR: Could ...
我的任务是实现这里讨论的架构。我目前正在实现一个子网络,其中输入张量的形状为 (N, T/4, 832),其中 T 是时间。子网络由 &q...
我有一个大型数据集(临时),几年来每十分钟进行一次测量。 “值”列也包含 NA。 如何创建正确的时间序列对象?我尝试使用...
如何预测sktime SquareingResiduals中的样本外值?
我正在尝试使用 sktime SquareingResiduals 来预测样本外值。 这是适用于样本内预测的代码。 从 sktime.forecasting.arch 导入 StatsForecastGARCH 来自
我们如何使用 mongodb golang 驱动程序创建时间序列集合?
我正在尝试使用以下函数创建时间序列集合=> https://www.mongodb.com/developer/how-to/new-time-series-collections/#expireafterseconds 正如你在下面看到的,我有...
我有一个 pandas 数据框,如下所示: 时间 000010 000017 000033 000034 000041 000042 \ 0 672.246427 南 南 南 122.812927 367.110779 75....
数据需要多长时间写入Apache IoTDB集群新扩容的DataNode?
我想问一下,Apache IoTDB中扩展DataNode时,是否只有新增数据库时才会将数据写入扩展后的DataNode中?或者说多久新的数据会被写入到新的
在此输入图像描述 您好,我是一名学习股票预测深度学习的学生。 我有一个关于学习损失曲线的问题。 当我运行模型时,一个时期后,训练...
早上好 我有 3 组不规则时间戳的数据,用于三个不同的变量,我想将它们转换为规则间隔的时间数据,以便可以添加和减去数据
我的数据采用这种格式(多变量和多变量时间序列) 我需要使用时间来预测不同商店(商店 1、商店 2、商店 3)中每种产品的销售单位数 -
Pytorch LSTM 时间序列,接下来 n 行的预测值返回相同的值 n 次
我正在尝试创建一个 LSTM 模型来预测接下来 10 行的特定值(数据集的第一列,idx 0)。输入序列包含 10 行时间序列和 19 个特征 为了...
我通过将一堆 csv 合并成一个来生成一个数据框。我生成一个路径索引列,然后进行简单的数学转换,将索引列缩放到每个......的时间戳中
使用 Python 和 FFT 查找金融时间序列中的宏观和微观季节性
让我们在这里设置一些背景,我正在研究一个金融时间序列,它代表 2022 年每一天的每小时电价,所以我有一个包含两个
假设我们对多个实体有多个时间序列观察,并且我们希望对单个模型执行超参数调整。 据我所知,没有直接的解决方案