- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
所以我尝试使用 Apache Spark 使用时间序列数据进行功耗预测。数据示例为:
03.01.15;22:30;236,25
03.01.15;22:15;240
04.01.15;16:00;243,775
以此类推两年。我每 15 分钟进行一次观察
预测功耗的最佳方法是什么?
我尝试了线性回归
、决策树
等。我总是得到巨大的MSE(788)。我尝试将月、日、小时、分钟作为 OneHotEncoder
传递。我尝试只进行几周等的预测。
数据年
、月
、日
的平均值:
[2014.3996710526321,5.726973684210525,15.713815789473673]
数据年
、月
、日
的方差:
[0.2403293809070049,10.218579294199253,77.46326844706495]
测试均方误差
788.2397552290726
如果我像 LabeledPoint(236.25, 2015.0,1.0,3.0,22.0,30.0))
那样直接传递值,MSE 会上升到 1280.8
。如果我每天只向模型传递一次观察值,即最大值,那么它没有帮助。
但是,如果我使用 KNIME
并尝试时间序列的示例,但根据我的数据,它们不会考虑日期和时间,而是会滞后于每个观察的功耗。
我看到 Cloudera 有一个用于时间序列
的库,但我不明白为什么我需要它。
有人可以描述一下对时间序列数据进行良好预测的过程吗?最后我想输入日期和时间并获得预测。
最佳答案
我对您的问题有多个疑问,但让我尝试按照您提供的信息进行操作。
首先,让我们概括一下问题。
您的数据格式为<timestamp>, <value>
。鉴于数据是在 2 年内每 15 分钟收集一次,您的样本大小为 (4 x 24 x 365 x 2) 70080 个观察值(行)
假设您想要开发一个回归模型来预测其行为。
首先,您需要将数据集划分为训练集和测试集。您使用训练集开发模型,并在测试集上测试模型。我建议按 9:1 分割。
Q1。这是您采取的方法吗?
MSE 是使用预测值与测试集中的实际值进行计算的。
第二季度。你提到了 MSE - 我不知道这是如何计算的(只提供了 3 个数据点)或你正在使用的值的范围。您能否确认一下您的误差是如何计算的以及最小化标准是什么?
如果线性回归失败(无法成功预测运动),则可能是您的模型太简单 - 尝试使用 MLP 或将回归模型与贝叶斯模型结合起来(因为功耗是连续函数)。
关于apache-spark - Spark 上的时间序列预测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35241173/
目前正在学习 Spark 的类(class)并了解到执行者的定义: Each executor will hold a chunk of the data to be processed. Thisc
阅读了有关 http://spark.apache.org/docs/0.8.0/cluster-overview.html 的一些文档后,我有一些问题想要澄清。 以 Spark 为例: JavaSp
Spark核心中的调度器与以下Spark Stack(来自Learning Spark:Lightning-Fast Big Data Analysis一书)中的Standalone Schedule
我想在 spark-submit 或 start 处设置 spark.eventLog.enabled 和 spark.eventLog.dir -all level -- 不要求在 scala/ja
我有来自 SQL Server 的数据,需要在 Apache Spark (Databricks) 中进行操作。 在 SQL Server 中,此表的三个键列使用区分大小写的 COLLATION 选项
所有这些有什么区别和用途? spark.local.ip spark.driver.host spark.driver.bind地址 spark.driver.hostname 如何将机器修复为 Sp
我有大约 10 个 Spark 作业,每个作业都会进行一些转换并将数据加载到数据库中。必须为每个作业单独打开和关闭 Spark session ,每次初始化都会耗费时间。 是否可以只创建一次 Spar
/Downloads/spark-3.0.1-bin-hadoop2.7/bin$ ./spark-shell 20/09/23 10:58:45 WARN Utils: Your hostname,
我是 Spark 的完全新手,并且刚刚开始对此进行更多探索。我选择了更长的路径,不使用任何 CDH 发行版安装 hadoop,并且我从 Apache 网站安装了 Hadoop 并自己设置配置文件以了解
TL; 博士 Spark UI 显示的内核和内存数量与我在使用 spark-submit 时要求的数量不同 更多细节: 我在独立模式下运行 Spark 1.6。 当我运行 spark-submit 时
spark-submit 上的文档说明如下: The spark-submit script in Spark’s bin directory is used to launch applicatio
关闭。这个问题是opinion-based .它目前不接受答案。 想改善这个问题吗?更新问题,以便可以通过 editing this post 用事实和引文回答问题. 6 个月前关闭。 Improve
我想了解接收器如何在 Spark Streaming 中工作。根据我的理解,将有一个接收器任务在执行器中运行,用于收集数据并保存为 RDD。当调用 start() 时,接收器开始读取。需要澄清以下内容
有没有办法在不同线程中使用相同的 spark 上下文并行运行多个 spark 作业? 我尝试使用 Vertx 3,但看起来每个作业都在排队并按顺序启动。 如何让它在相同的 spark 上下文中同时运行
我们有一个 Spark 流应用程序,这是一项长期运行的任务。事件日志指向 hdfs 位置 hdfs://spark-history,当我们开始流式传输应用程序时正在其中创建 application_X
我们正在尝试找到一种加载 Spark (2.x) ML 训练模型的方法,以便根据请求(通过 REST 接口(interface))我们可以查询它并获得预测,例如http://predictor.com
Spark newb 问题:我在 spark-sql 中进行完全相同的 Spark SQL 查询并在 spark-shell . spark-shell版本大约需要 10 秒,而 spark-sql版
我正在使用 Spark 流。根据 Spark 编程指南(参见 http://spark.apache.org/docs/latest/programming-guide.html#accumulato
我正在使用 CDH 5.2。我可以使用 spark-shell 运行命令。 如何运行包含spark命令的文件(file.spark)。 有没有办法在不使用 sbt 的情况下在 CDH 5.2 中运行/
我使用 Elasticsearch 已经有一段时间了,但使用 Cassandra 的经验很少。 现在,我有一个项目想要使用 Spark 来处理数据,但我需要决定是否应该使用 Cassandra 还是
我是一名优秀的程序员,十分优秀!