我有一个像这样的 mable 对象：

我只想要模型描述，这样我就可以将它们放在一个情节中。所以我运行了以下代码：

这仍然给了我一个模型，其中 model_desc 仍然是一个列表对象。我认为这是因为 mable 是如何构造的，以及它的结构应该如何。

** 更新 ** 我通过执行以下操作解决了这个问题：

我正在使用寓言和交叉验证来构建时间序列模型，以确定要使用的最佳模型定义。建模有风险吗

对比

我问这个是因为当我仔细阅读 mable from**model(ETS(GDP))**时，选择的模型在某些 .id 中是不同的。例如，对于 id = 1 的 ETS(A, A, A)，对于 id = 2 的 ETS(A, Ad, A)，等等。如果是这种情况，定义 ETS 的所有变体是否正确，以便确保一致性？

这是我指的mable：

谢谢。

我正在尝试确定要包含在我的时间序列模型中的滞后预测变量。所以我安装了一个 TSLM，它的自变量最多滞后 3

data_train 包含交叉验证数据。

运行上面的代码，我通过 .id 的滞后预测模型得到 AIC、AICc、BIC 等。我想知道是否可以在不使用 group_by() 和 summarise() 的情况下仅通过模型按模型提取这些指标。

非常感谢。

在 R 中搜索时间序列数据的线性插值时，我经常na.approx()从zoo包中找到要使用的建议。

但是，对于不规则的时间序列，我遇到了问题，因为插值均匀分布在间隙的数量上，而不考虑值的关联时间戳。

我找到了一个解决方法 using approxfun()，但我想知道是否有更清洁的解决方案，理想情况下基于具有包系列tsibble功能的对象？tidyverts

以前的答案依赖于通过填补空白将不规则日期网格扩展到规则网格。但是，当在插值期间应考虑白天时，这会导致问题。

这是一个（修订后的）最小示例，带有 POSIXct 时间戳，而不是仅日期：

任何想法如何（有效地）处理这个？谢谢你的支持！

我正在尝试将变量动态插入到寓言模型中。

数据

请注意，tsibble 中可能包含不确定数量的回归量，但在此示例中，我只有两个 (reg_test和reg_test2)。所有回归量列都将以reg_

问题功能

我有一个函数，我想使用 fable 包动态地将回归量列放入 ARIMA 模型中。

我知道它只是将字符串var_names放入公式中，这是行不通的，但我无法弄清楚如何以var_names我可以enquo()正确创建的方式创建。

我在这里通读了 Quasiquotation 部分， 我搜索了 SO，但还没有找到答案。

这个问题似乎pasre_expr()越来越近了，但仍然不是我想要的。

我知道如果我有一个变量，我可以使用，但我不知道会有sym()多少变量，我想将它们全部包含在内。reg_

预期产出

通过手动输入变量，我可以显示我期望的输出。

我还想象有一种更好的方法可以让我在ARIMA函数中制作公式。如果这也可以解决我的问题，那也可以。

我很感激任何帮助！

有没有办法使用 tidyverts 包按键创建时间序列交叉验证集？我似乎无法正确处理。以下是我尝试的代表。

该示例涉及为预测创建时间序列交叉验证（提前 1 步的切片）。键变量有 2 个不同的值，我希望有一个包含两个键的时间序列切片的 tsibble。当我尝试对两个 tsibble 进行行绑定时，出现错误。

谢谢你。

我正在尝试按照Rob Hyndman 的 Rstudio.conf 研讨会的方式进行分层预测，但遇到了一些问题。这是我的代码：

该图的输出如下。

我的主要问题是：

• 和解实际上似乎根本没有改变预测。图片表明ar和ar_adj线是相同的。
• 预测仅适用于 2014 年至 2015 年的时间段，而我知道完整的数据集到 2018 年。

我该如何解决这些问题？后一个可能是因为并非所有时间序列都涵盖整个时期，但我怎样才能reconcile不跳过缺失的时期？

这是 dplyr 0.8.5、fable 0.2.0、fabletools 0.1.3 和 tsibble 0.8.6。我在 Ubuntu/R 3.6.3 和 Windows 10/R 4.0.0 上得到了相同的结果。

PS。尝试对固定范围进行预测会导致错误：

问题

我正在尝试使用具有 ARIMA 错误的回归模型来生成预测，但它们总是无法生成NULL模型以外的任何东西；相反，TSLM模型在相同的数据上工作得很好。

在寻找答案时，我发现了这个关于将模型应用于多个时间序列的问题，并试图重现Rob Hyndman的示例（将代码复制粘贴到 rstudio 云中）。

它没有用（详情如下）。

怎么了？

代码

输出

会话信息（在 rstudio 云上）

这是我的玩具时间序列数据：

我想计算多个时间序列的自相关（acf）。忽略插补部分，我需要：

1. 删除具有中间 NA 的变量（而不是时间序列开始和结束的变量），例如 2010 年 7 月 31 日的 A 的 NA。所以在这种情况下，删除变量 A。
2. 可能使用 B 和 C 上 feasts 包中的 ACF 函数计算自相关性。

我从这里开始并陷入困境：

预期输出将具有每个可能的滞后序列的自相关。像 B 将有 10-11 个值 10 滞后和系列 B 相同

问题： 使用 fable 我可以轻松地生成具有分组结构的时间序列的预测，甚至可以使用 Fable 的aggregate_key/reconcile语法来生成连贯的顶级预测。但是，我无法使用此方法轻松访问汇总预测，而我使用的替代方法涉及放弃寓言（预测表）结构。谁能告诉我是否有更简单/有意的方法来使用这个包？正如您在示例中看到的那样，我可以使用其他方法到达那里，但我想知道是否有更好的方法。任何帮助都感激不尽！

方法 1：aggregate_key我在不使用/ 的情况下总结预测的努力reconcile主要是使用 dplyrgroup_by和summarise，但是预测的预测区间被格式化为正态分布对象，似乎不支持使用这种方法求和。为了解决这个问题，我一直在使用hilo并unpack_hilo提取不同预测区间的界限，然后可以使用通常的方法对其进行求和。但是我真的很想保留寓言结构和分布对象，使用这种方法是不可能的。

方法 2： 替代方案，使用aggregate_key/ reconcileonly 似乎支持使用聚合min_trace。我知道这种方法是为了实现最佳对账，而我想要的是一个简单的自下而上的汇总预测。感觉应该有一种简单的方法可以使用这种语法获得自下而上的预测，但到目前为止我还没有找到。此外，即使使用min_trace我也不确定如何访问聚合预测本身，如您在示例中所见！

使用方法 1 的示例：

使用方法 2 的示例：