plyr +预测多个回归因子

将this thread中的内容稍微进一步说明：我尽可能地走了，但最后碰壁了。我正在寻找使用PLYR创建一些ARIMA模型与规模的外生回归。我已经使用的方法的高级概览（带有示例数据代码如下）plyr +预测多个回归因子

1）I具有与企业，区域，收入和订单数据帧，所有由日期

2）对于每一个业务+区域的组合，我想根据以前的收入值+订单的先前值创建收入预测。

3）我想使用ARIMA模型（使用auto.arima（）），以找出最佳的订单，收入和订单，然后将该信息发送到预测功能

4）我遇到的问题似乎归结为无法将多个列表传递给PLYR参数进行操作，这最有可能归结为我不知道完全了解llply如何工作（所以希望这是一件容易的事）

这里是我工作过的一些样本数据：

library(plyr) 
library(xts) 
library(forecast) 

data <- data.frame(
    biz = sample(c("telco","shipping","tech"), 100, replace = TRUE), 
    region = sample(c("mideast","americas","asia"), 100, replace = TRUE), 
    date = rep(seq(as.Date("2010-02-01"), length=10, by = "1 day"),10), 
    revenue = sample(1:100), 
    orders = sample(1:100) 
)

编辑：一是通过ddply重新组织数据，以摆脱重复条目：

dataframe <- ddply(data, c("biz","region","date"), function(df) { 
    c(revenue = sum(df[,4]), 
     orders = sum(df[,5])) 
})

第1步：创建包含业务+区域的每个组合的时间序列信息的列表：

list1 <- dlply(dataframe, .(biz,region), identity)

第2步：打开该列表为XTS对象，所以我们可以使用它的时间序列分析：

xtsobject <- llply(list1, function(list) { 
    xts(x=list[,c("revenue","orders")], order.by=list[,"date"]) 
})

这里就是我遇到了麻烦。我想从auto.arima（）函数中创建一个订单列表，将其传递给forecast.Arima（）函数。这将是简单的，如果我只是在做一个变量，无外源回归量：

arimamodel1 <- llply(xtsobject, function(list) { 
    fity <- auto.arima(list$revenue) 
    })

然后我将适用该名单的forecast.Arima（）函数：

forecast1 <- llply(arimamodel1, function(model) { 
    forecast.Arima(model, h=2) 
    })

散发出来罚款。我试图改变参数，包括一些空间给额外的回归量，但我不知道该预测是在x值居然拉：

arimamodel2 <- llply(xtstest, function(list) { 
    fity <- auto.arima(list$revenue, xreg=list$orders) 
    fitx <- auto.arima(list$orders) 
    })

和预测：

forecast2 <- llply(arimamodel2, function(model) { 
    forecast.Arima(model, h=2) 
    })

......但在预测功能中，我应该按照我通常使用的预测方式来解决x回归模型。Arima（）与多个回归者;例如：

forecast.Arima(model,h=2, xreg=forecast(model,h=2)$mean)

但这不起作用。有没有人对如何使用PLYR基于auto.arima（）为多个回归器进行预测有深入的了解？

来源

2013-12-18 Marc Tulla

我很确定我明白了这一点，以防有人绊倒这个问题。这只是一个让函数通过所有这些参数，然后通过lapply或llply传递该函数的问题（由于创建方式，问题中的数据对于auto.arima不起作用，但它适用于我使用的是实际数据）：

arimafunc <- function(list) { 
    fity <- auto.arima(list$revenue, xreg=list$orders) 
    fitx <- auto.arima(list$orders) 
    forecast <- forecast.Arima(fity,h=2,xreg=forecast(fitx,h=2)$mean) 
    return(forecast) 
}

然后通过列表应用：

forecasts <- lapply(xtsobject,FUN=arimafunc)

我敢肯定有办法做到这一点使用内置的一些功能，例如llply或其中一个基本命令，mapply，但是现在这个工作...

来源

2013-12-23 17:54:03

plyr +预测多个回归因子

回答

相关问题