问题标签 [fable-r]

我认为这里有些奇怪。例如，以下代码为残差和创新提供了相同的值：

似乎该augment()函数仅提取创新值并将其用于回归的残差。当我们使用 提取残差和创新时可以看到这一点residuals()：

那么残差和创新应该是不同的。

我正在尝试使用库 fpp3 生成分层预测，当我尝试使用两个以上级别时，它会显示错误。代码与此类似：

正如我之前所说，只有两个级别（例如aggregate_key(A / B, y = sum(y))）可以正常工作。

那么，可以forecast处理多少级呢？有没有办法像使用 fpp2 hts 一样添加更多级别？

PD：我最近证明了 usingbotton_up()并且它有效，所以也许它与top_down().

我正在使用 fable 和 fabletool 包，我真的很喜欢新的工作流程结构。它很容易理解并应用于许多不同的预测场景。我现在正在尝试向量自动回归模型。

我想知道如何使用分解模型和 VAR。假设您有一个带有索引月份和变量 x 和 y 的 tsibble 对象。x 和 y 都具有很强的季节性。所以我想首先去除季节性，然后应用一个 VAR 模型，并在单变量工作流中查看这个分解模型的预测。这样：

是不是有点可能？

如果不是第二种选择可能是：

1. 分别调整季节的 X 和 Y
2. 使用 season_adj.x 和 season_adj.y 拟合 VAR 模型
3. 然后预测
4. 添加季节性成分。
5. 计算预测区间

不过，我不确定如何在这种情况下计算预测间隔。

这是对这个问题的扩展，基于 Hyndman 的在线教科书的代码。

我试图在澳大利亚国内旅游活动中添加一个外部回归器，但是当这种情况发生时，协调功能似乎存在问题。

这是返回的内容：

我正在使用出色的fable软件包，并尝试使用 arima 和 ets 模型创建分层预测，并与 td、mo、bu 和 min 跟踪进行协调以比较并查看最佳方法。我的系列在系列后期有一些需要回归的效果，所以我正在尝试创建一个二元回归器来处理这个问题。我已经阅读了关于使用new_data参数添加具有分层预测的回归量的链接 1 和链接 2，而不是我用于非分层预测的参数xreg。通过将数据拆分为训练集和测试集并将测试传递给new_data正如 Rob Hyndman 在链接 1 中所描述的那样。我在当前任务中遇到的问题是，需要建模的效果都在系列的后期，所以它们都在测试集中。

首先是我可重现的示例数据：

我过去曾成功做过这样的事情：

但由于在这种情况下，回归量在训练集中全为零，因此预期会提供错误Provided exogenous regressors are rank deficient, removing regressors: xreg1。我认为我需要做的是将我拥有的所有数据提供给模型，而不是将数据拆分为训练和测试，但我不确定当new_data文件没有数据时如何使用 fable 预测该模型。我得到的最接近的是这样的：

奇怪的是，当我尝试运行预测片段时，这段代码会导致我的 R Studio 崩溃R session aborted R has encountered a fatal error。我认为这可能与代码无关，因为我实际上是让它在我的真实数据上工作，但预测看起来并不像我预期的那样。

因此，总而言之，我想知道fable当所有回归效应都需要在测试集期间发生时，如何使用外生回归量来预测分层序列。

提前感谢我能得到的任何帮助！

我一直在使用 fable 包进行时间序列分析，在预测期间我收到了这个错误：错误：as_tsibble()还不知道如何处理数字类。

我的数据非常大，它是一个小问题：

我正在尝试对 3 个月（90 天，1 月、2 月和 3 月）进行 4 次预测，使用 4 种不同的方法并将它们绘制在同一张图中。代码是：

谢谢！

我遇到了一个问题，试图从一个预测模型中提取 90/95% 置信区间，该预测模型是由一个关键变量构建的，该变量在总共 4 个预测模型中包含 5 个组。主要问题是我不熟悉 R 如何处理和使用 dist 和 hilo 对象类型。

原始 tsibble 的结构为 5 组中的每组 60 个月（300 个观察值）

我用不同的预测方法形成了一个模型，以及一个组合模型：

这导致结构的mable

然后我预测了 6 个月

在产生我对输出 tsibble 应该是什么的想法之前：

正如我对更简单的结构化预测所做的那样，我尝试将这些预测结果写入 csv。

但我对如何将生成的 90/95% 置信区间强制转换为我可以导出的格式非常迷茫。有没有人遇到过这个问题？如果我应该包含更多信息，请告诉我！

我正在尝试开始使用 R 中的 fable 包进行预测。

我正在使用他们网站上的基本示例：

我正在尝试运行以下示例，但它永远不会运行，它会永远运行。

我已经升级了我的 RStudio 版本并且不得不多次重启，但我没有成功。

这是我的会话信息（）

任何建议，将不胜感激

这是我作为问题提出的一个问题，但还没有收到包作者的消息，所以我想我会在这里问这个问题。谢谢！

在使用滞后的 xreg 进行预测时，我注意到一些不一致之处。具体来说，预测 h <= 滞后期。在生成预测之前，提供给原始模型的历史数据似乎没有添加到新数据中。在下面的示例中，我使用 fpp3 中的 lag = 2 示例。第一个预测fc1与书中生成的预测相同。在第二个预测fc2中，我new_data通过将历史广告数据与生成的新广告数据绑定来增加insurance_future. 当我这样做时，我会在fc2vs中得到不同的预测fc1。在我看来，预测中的预测fc1无法访问历史（xreg）数据，因此 TVaderts 被视为NA在地平线上的前两个步骤。这个对吗？如果是这样，不应该将这些数据原样包含在其中fc2吗？这可能与此有关。

奇怪的是，当我手动（而不是在公式中）创建新的滞后变量时，模型结果与 fpp3 中的“基本情况”匹配（fc1在我的示例中）。

^{由reprex 包创建于 2021-06-02 (v2.0.0 )}

这种复制使我相信这fc1是正确的，而不是fc2。如果是这样，发生了什么fc2导致它与fc1（和fc3）中的预测不同？

我正在使用来自 tsibbledata 的澳大利亚零售数据集的过去 10 年数据，并且仅使用一个系列（州 ==“新南威尔士州”，行业 ==“外卖食品服务”）。数据没有缺失值。然后，我使用前 7 年作为训练集从包 fable 中拟合了一个自动化 ETS 模型，当我将模型重新拟合到测试集（最近 3 年）时，我得到一个“参数超出范围”错误。我不知道为什么我在使用这个特定的数据集配置时会出现这个错误，但我想知道 refit 是否有时会中断，或者我是否做错了什么。

^{由reprex 包于 2021-08-05 创建(v2.0.1)}