我有一个时间序列对象calc_visit_ts
。我想根据每个模型的 MAPE 值应用最佳拟合时间序列模型。我面临的问题是 MAPE 值 HOLT-WINTER 乘法模型不能以与其他模型相同的方式计算(因为与 相比,它给了我不同的 MAPE 值summary(visit_model_Hw_M)
)。
#### AUTO-ARIMA
visit_model_Arima <- auto.arima(calc_visit_ts)
# summary(visit_model_Arima)
#### HOLT-WINTER ADDITIVE
visit_model_Hw_A <- hw(calc_visit_ts,h=monthly_prediction,seasonal = "additive")
# summary(visit_model_Hw_A)
#### HOLT-WINTER MULTIPLICATIVE
visit_model_Hw_M <- hw(calc_visit_ts,h=monthly_prediction,seasonal = "multiplicative")
# summary(visit_model_Hw_M)
#### Calculating MAPE on models for best suit
model_Mape<- c( MAPE_model(visit_model_Arima)
,MAPE_model(visit_model_Hw_A))
#,MAPE_model(visit_model_Hw_M)) this is not accurate
model_Mape=na.omit(model_Mape)
token<-which(min(model_Mape)==model_Mape)
if(length(token)>0)
{
if(token==1)
{visit_model<-visit_model_Arima
}else if(token==2)
{visit_model<-visit_model_Hw_A
}else if(token==3)
{visit_model<-visit_model_Hw_M
}else
{
##EXCEPTION HANDLING
}
}
summary(visit_model)
这是我用来对模型执行 MAPE 计算的函数 -
MAPE_model <- function(visit_model) {
#CHECK FOR ZERO CONDIITION if(visit_model$x!=0)
mape = mean(abs(visit_model$residuals)/visit_model$x)
return(mape)
}
时间序列数据-
calc_visit_ts
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
2012 35 53 65 60 64 49 63 55 59 66
2013 62 54 77 67 84 62 82 65 59 67 60 67
2014 73 75 55 76 93 96 89 76 88 65 83 82
2015 76 72 75 94 91 83 72 73 80 83 81 81
2016 97 91 90 80 101 98
dput(calc_visit_ts)
structure(c(35, 53, 65, 60, 64, 49, 63, 55, 59, 66, 62, 54, 77,
67, 84, 62, 82, 65, 59, 67, 60, 67, 73, 75, 55, 76, 93, 96, 89,
76, 88, 65, 83, 82, 76, 72, 75, 94, 91, 83, 72, 73, 80, 83, 81,
81, 97, 91, 90, 80, 101, 98), .Tsp = c(2012.16666666667, 2016.41666666667,
12), class = "ts")
确切地表明我的意思-
Holt-Winter 加性图
问题是summary(visit_model_Hw_M)
给出,MAPE = 9.075097
而MAPE_model(visit_model_Hw_M)
给出0.001273087
是因为乘法模型拟合曲线(数据点),因此使用visit_model_Hw_M$residuals
不是计算 MAPE 的合适方法(因为函数试图拟合曲线)。
有没有办法从摘要本身中获取 HOLT-WINTER 乘法的 MAPE 值?或者一种正确估计 HOLT-WINTER 乘法模型的 MAPE 值的方法?