$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas |



Título: EXPLORING ALTERNATIVE METHODS FOR TIME SERIES FORECASTING WITH BAGGING AND CLUSTERING
Autor: DAVID SOUZA PINTO
Instituição:  -
Colaborador(es):  FERNANDO LUIZ CYRINO OLIVEIRA - ADVISOR
Nº do Conteudo: 52678
Catalogação:  13/05/2021 Idioma(s):  PORTUGUESE - BRAZIL
Tipo:  TEXT Subtipo:  PRESENTATION
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52678@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52678@2
Referência DOI:  https://doi.org/10.17771/PUCRio.SeminarPPGEP.52678

Resumo:
Exponential smoothing methods (ES) are a versatile set of formulation for univariate time series forecasting developed in the late 1950s and 1960s. Most recent models make use of bagging to improve forecast quality. One of these models, BaggedETS, developed in 2016, has led to improvements in forecast accuracy and is available in R through the forecast library. A posterior proposal, BaggedClusterETS, added a clustering step to address the covariance effect that might occur when using bagging, resulting in additional gains in forecast accuracy. This article aims to explore the effects of using four different dissimilarity measures to generate clusters. To test the performance of these measures, 21 time series for civil aviation and energy demand were used.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui