1

我有一个每月的时间序列数据，我想使用 Fable 包中的不同模型对其进行建模，方法是使用交叉验证来了解所考虑模型中的最佳模型。

# My data
google <-  read_csv("google.csv") %>% 
  tsibble(index = date)

# dimension of the data is 60 by 2.

样本数据] 1

# Training data for cross validation

google_tr <- google %>%
  slice(1:(n()-1)) %>%
  stretch_tsibble(.init = 3, .step = 1)

# Building models for the data
fc <- google_tr %>% 
  model(ets = ETS(closing_price),
        arima =   ARIMA(closing_price),
        rw = RW(closing_price ~ drift()),
        prophet = prophet(closing_price)) %>% 
  forecast(h = "1 year")

出现了很多警告！

在此处输入图像描述

模型评估

fc %>% accuracy(google)

在此处输入图像描述

在此处输入图像描述

我已阅读https://otexts.com/fpp3/tscv.html和https://otexts.com/fpp3/arima-ets.html#example-comparing-arima-and-ets-on-non-seasonal-data没有数字的时间，我仍然不知道如何选择正确的训练数据。slice()如果我能在下面的块中为每月数据获得正确的输入stretch_tsibble()，那么问题将得到解决。

google_tr <- google %>%
  slice(1:(n()-1)) %>%
  stretch_tsibble(.init = 3, .step = 1)
4

1 回答 1

2

我不能评论那个特定的数据集，因为你没有分享它，甚至说已经加载了哪些包。但是可以提出几点：

  1. 您的初始切片是 3 个观察值。您无法拟合具有 3 个观测值的 ETS 或 ARIMA 模型，因此您会收到警告。其他小切片也会出现警告。我建议您从每月数据集的至少十几个观察值开始。
  2. 最后的警告是因为您有不完整的样本外数据——也就是说，您提前 1 年进行预测，并且您的一些切片涉及包含最后一年观察的数据。因此，当实际值未知时，您无法将预测值与实际值进行比较。

这是一个使用月度数据的示例。

library(fpp3)

test <- USAccDeaths %>% as_tsibble()

test_tr <- test %>%
  slice(1:(n()-1)) %>%
  stretch_tsibble(.init = 12, .step = 1)

fc <- test_tr %>%
  model(ets = ETS(value),
        arima =   ARIMA(value),
        rw = RW(value ~ drift()),
        ) %>%
  forecast(h = "1 year")

fc %>% accuracy(test)
于 2020-11-20T00:28:22.117 回答