nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

809937_zh-TW

liliconcom · 2024-11-12T14:59:18+00:00

時間序列預測（在“我的影片”中查看）看看如何： * 發射時間序列預測專業建模 * 了解如何自動將推薦模型集擬合到時間序列，以及如何使用最優模型進行預測。 * 選擇並解釋預測設置，包括 NAhead、週期、NHoldout、保留模型選擇標準、預測區間等級和適用模型的插補方法。 * 解釋每個系列的最佳預測模型 * 保存預測 * 了解時間序列成分和狀態空間平滑模型的技術細節 * 處理缺失值並選擇插補方法 * 使用圖表建構器進行預測 * 使用 JMP 16 保留功能問答環節從大約 28:00 開始穿插進行。 TSF.JPG TSF2.JPG 資源 * 2022年JMP精通影片和資料：建構和解釋ARIMA和季節性ARIMA模型 * 劉和曹在…

liliconcom

時間序列預測

（在“我的影片”中查看）

看看如何：

發射時間序列預測專業建模
了解如何自動將推薦模型集擬合到時間序列，以及如何使用最優模型進行預測。
選擇並解釋預測設置，包括 NAhead、週期、NHoldout、保留模型選擇標準、預測區間等級和適用模型的插補方法。
解釋每個系列的最佳預測模型
保存預測
了解時間序列成分和狀態空間平滑模型的技術細節
處理缺失值並選擇插補方法
使用圖表建構器進行預測
使用 JMP 16 保留功能

問答環節從大約 28:00 開始穿插進行。

TSF.JPG

TSF2.JPG

資源

2022年JMP精通影片和資料：建構和解釋ARIMA和季節性ARIMA模型
劉和曹在 2021 年 JMP Discovery 影片示範和資料中介紹了JMP 16 時間序列平台的更新。
2019 年 JMP Discovery 資料利用傳遞函數建構更好的預測模型

進階統計建模

Comments

There are no comments yet