[SLD] Glajenje časovnih vrst

“Bob Rock je simbol proletariata.
Je nekdo, ki bi bil rad milijonar, a se ga milijoni na daleč izogibajo.
Narod je Bob Rock”.

Lazar Džamić, avtor študije Cvetličarna v Hiši cvetja, vzeto iz konteksta

Časovne vrste uporabljaš za opazovanje podatkov skozi časovna obdobja. Najobičajnejša načina zapisa časovnih vrst sta sledeča:

MOMENTNE VRSTE - časovni interval med podatki je vedno enak: start, konec in seznam vrednosti (od julija do septembra, enkrat na mesec, vrednosti: 4, 3, 2).
INTERVALNE VRSTE - časovni interval med podatki je lahko tudi enak: par (časovni žig, podatek) ( enak primer kot prej [jul., 4], [avg., 3], [sep, 2]).

Nekaj bližnjic:
- Nekaj znanja zapisanega s slovenskimi izrazi
- Pa nekaj za R v angleščini
- Pa še nekaj za R v angleščini
- In nekaj v GGPLOT

Časovno vrsto predstaviš z linijskim ali raztresenim točkovnim grafom. Zanimivo postane, ko je število podatkov tako veliko ali pa je tako dinamično, da te v črtnem grafu začnejo zanimati povprečja in trendi.

Način glajenja je lahko:

globalno glajenje skozi čas
1. linearno
2. kvadratno
3. polinomsko

library(tidyverse)
library(gridExtra)  


#vzorčni testni podatki
df <- data.frame(datum = economics$date,
                 populacija = economics$pop, 
                 nezaposleni = economics$unemploy,
                 stringsAsFactors=FALSE) 
df <- subset(df, datum > "2014-07-01")  


#grafi


p1 <- ggplot(data=df, aes(x=datum, y=nezaposleni )) +
  geom_point() +
  geom_smooth(method = lm, formula = y ~ poly(x, 2), se = T) +
  geom_smooth(method = lm, formula = y ~ poly(x, 3), size=0.5, se = F) +
  geom_smooth(method = lm, se = F, color = "#CD3333", size = 1) +
  xlab("LIN., KVAD., KUB.")  

p2 <- ggplot(data=df, aes(x=datum, y=nezaposleni) ) +
  geom_point() + 
  geom_smooth(method = lm, formula = y ~ splines::bs(x, 3), se = TRUE) +
  xlab("SPLINE") + ylab("")  

gridExtra::grid.arrange(p1, p2, nrow=1)

lokalno glajenje v času
1. drseča povprečja (MA)
2. tekoče linije (Friedman super-smoother) link, link
3. jedrne gladitve (kernel smoothers) link
4. krivulje (splines)
5. LOESS (locally estimated scatterplot smoother)

LOESS (locally estimated scatterplot smoother) combines local regression with kernels by using locally weighted polynomial regression (by default, quadratic regression with tri-cubic weights). It is one of the most frequently used smoothers because of its flexibility. However, unlike Friedman’s super smoother or the smoothing spline, LOESS does not use cross-validation to select a span.

library(forecast)
library(tseries)  

nz <- ts(df$nezaposleni)
df$nz <- tsclean(nz)
df$ma <- ma(df$nz, order = 3) #moving average 3monts  

p1 <- ggplot() +
  geom_point(data=df, aes(x=datum, y=nz)) +
  geom_line(data=df, aes(x=datum, y=ma), color="#1C86EE", size = 2) +
  ylab("nezaposleni") +
  xlab("MA")  

p2 <- ggplot() +
  geom_point(data=df, aes(x=datum, y=nz)) +
  geom_smooth(data=df, aes(x=datum, y=nz), method = "loess", color="#1C86EE", size = 2, se=F) +
  ylab("") +
  xlab("LOESS")  

gridExtra::grid.arrange(p1, p2, nrow=1)

Contents