原文链接：http://tecdat.cn/?p=3072

下面显示了四种预测时间序列的方法。

支持向量机（R package e1071。“Chih-Chung Chang and Chih-Jen Lin，LIBSVM：a library for support vector machines，2005.”的实现）。

递归分区（R package rpart。“Breiman，Friedman，Olshen and Stone。Classification and Regression Trees，1984”的实现）。

将最后两种方法的性能与rle进行比较，得到svm的95％和rpart的94％。

R ：

1. 


2. m$rle(Xvar ='sleep',Xlmin =60)m$setZoo()+

3. rleplot(m$zo[,c(5,7,8)],type ='l')

4. 


1. # Subset a week

2. 


1. # Plot correlation matrix

2. 


3. w$correlation(Xvars =w$nm[c(2:7,9)])

1. # SVM and Recursive partitioning

2. 


3. plot(tune.gamma.cost)

1. rpart.p <- predict(rpart.m, data[,-1],type ='class')

2. sdt$svm = as.integer(svm.p)

3. dt$rpart = as.integer(rpart.p)

4. plot(w$dt2zoo(dt)[,c(5,8,9,10)],type ='l')