Tijdreeksanalyse in R
In mijn vorige blog heb ik uitgelegd hoe je met hulp van de forecast package een voorspelling kan maken met een bestaande tijdreeks. Hier werd gebruik gemaakt van auto.arima, een algoritme dat automatisch het best verklarende Arima model selecteerd. Hoewel dit algoritme enorm handig is, vooral voor de beginnende ‘forecaster’, is het ook van belang om het proces te begrijpen waar auto.arima gebruik van maakt. Dit gaan we in deze blog doen door zelf een tijdreeks te analyseren met behulp van (handmatige)Arima.
Meer weten over wat data voor uw organisatie kan betekenen?
Neem contact op met Hugo Koopmans
Telefoon: +31643106780
E-mail: hugo.koopmans@dikw.com
Blogs
-
Datagedreven werken Deel 3 — door Nick van de Venn — last modified 03-10-2023
- Welke data heeft eigenlijk waarde voor uw organisatie?
-
Differential Privacy — door Nick van de Venn — last modified 18-09-2023
- Gevoelige gegevens verwerken zonder dat de gevoelige informatie kan uitlekken
Data Science recente blogs
-
ChatGPT for Business Intelligence — door Nick van de Venn — last modified 18-09-2023
- Chatten met je datawarehouse, utopie of werkelijkheid?
-
Intelligence Factory — door Nick van de Venn — last modified 05-07-2023
- Agile design thinking met een ML-ops sausje
-
Bayesiaanse Statistiek — door Marc Jacobs — last modified 25-07-2022
- Wiskundig raamwerk voor ouderwets leren
Data Science Nieuws & Evenementen
-
Data science opleidingen gaan weer van start! — door marco — last modified 08-02-2022
- Vanaf 21 september start ons succesnummer weer! Twaalf weken data science in R, we hebben er weer zin in
-
Aedes data science workshop 2 van 3 — door marco — last modified 07-02-2022
- Voor Aedes organiseert DIKW drie workshops data science
-
DIKW in top 50 beste data science bedrijven — door marco — last modified 22-10-2021
- DIKW is één van snelst groeiende bedrijven volgens MKB Data Science rapport