标签为 forecasting 的文章

中断时间序列分析

• 21 十月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series forecasting causal impact quasi experiments

本笔记本重点介绍如何进行简单的贝叶斯中断时间序列分析。这在准实验设置中非常有用，其中干预措施应用于所有治疗单位。

阅读更多 ...

---

中断时间序列分析

• 21 十月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series forecasting causal impact quasi experiments

本笔记本重点介绍如何进行简单的贝叶斯中断时间序列分析。这在准实验设置中非常有用，其中干预措施应用于所有治疗单位。

阅读更多 ...

---

中断时间序列分析

• 21 十月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series forecasting causal impact quasi experiments

本笔记本重点介绍如何进行简单的贝叶斯中断时间序列分析。这在准实验设置中非常有用，其中干预措施应用于所有治疗单位。

阅读更多 ...

---

中断时间序列分析

• 21 十月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series forecasting causal impact quasi experiments

本笔记本重点介绍如何进行简单的贝叶斯中断时间序列分析。这在准实验设置中非常有用，其中干预措施应用于所有治疗单位。

阅读更多...

---

使用结构化AR时间序列进行预测

• 20 十月 2022
Nathaniel Forde
intermediate
forecasting autoregressive bayesian structural timeseries

贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。

阅读更多 ...

---

使用结构化AR时间序列进行预测

• 20 十月 2022
Nathaniel Forde
intermediate
forecasting autoregressive bayesian structural timeseries

贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。

阅读更多 ...

---

使用结构化AR时间序列进行预测

• 20 十月 2022
Nathaniel Forde
intermediate
forecasting autoregressive bayesian structural timeseries

贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。

阅读更多 ...

---

使用结构化AR时间序列进行预测

• 20 十月 2022
Nathaniel Forde
intermediate
forecasting autoregressive bayesian structural timeseries

贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。

阅读更多...

---

反事实推断：计算由于COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多 ...

---

反事实推断：计算由于COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多 ...

---

反事实推断：计算因COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多...

---

反事实推断：计算因COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多 ...

---