预测中的R

-2

基于给定数据的下一个值，我代表侵犯每个year.How预测，在未来几年中的违规R.预测中的R

矢量

year <- c(190519, 223721, 235321, 101934)

请帮我

来源

2016-06-14 Swathi Pantala

你不能。没有足够的信息来建立模型，更不用说预测模型。 – akash87

如果您要实现任何预测，则需要更多的数据点和一些预测变量/解释变量 –

您还可以对数据施加模型，例如， [AR（p）]（https://en.wikipedia.org/wiki/Autoregressive_model），[MA（q）]（https://en.wikipedia.org/wiki/Moving-average_model）或甚至收集[ARIMA（p，d，q）]（https://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average）模型。或者，更复杂的[状态空间模型]（https://en.wikipedia.org/wiki/State-space_representation）。然而，这些模型需要更多的数据和其他假设。 – Therkel

为了说明akash87和Dominic Comtols，这将是徒劳的很少的信息来预测所提出的意见，这里有一个线性模型的方法和可视化ggplot：

year<-c(190519 ,223721, 235321, 101934) 
df <- data.frame(year=1:4, crime= year) 
library(ggplot2) 

ggplot(df, aes(x=year, y=crime)) + 
     geom_point() + 
     geom_smooth(method="lm", fullrange=T) + 
     xlim(1,6)

由于从看到通过外推6年线性模型的预测值可以在灰色区域内进行，即在-339737和537576之间。你最好只是猜测......

来源

2016-06-14 06:32:18

您能否介绍一下这是如何工作的@Adam Quek –

这是一个简单的线性回归模型，其中第一年有190519次违规，第二年有223721次违规，第三年有235321次违规，第四年有101934次违规（以点）。回归线对稀疏数据提供最佳拟合，而灰色区域表示回归模型的95％置信区间。 –

请不要使用回归推断和预测。我这样做只是为了说明甚至尝试用4个数据点进行预测是多么荒谬。 –

数据集是一个可靠的预测太小了，但你可以尝试以下方法，只是为了说明上时间序列预测怎么能原则上获得的可能性：

year <- c(190519, 223721, 235321, 101934) 
library(forecast) 
yearforecasts <- HoltWinters(as.ts(year), beta=FALSE, gamma=FALSE) 
yearforecasts2 <- forecast.HoltWinters(yearforecasts,h=1) 
> yearforecasts2 
# Point Forecast Lo 80 Hi 80 Lo 95 Hi 95 
#5  190518.3 95821.09 285215.5 45691.42 335345.2 
plot.forecast(yearforecasts2)

由于数据点的数量非常少，预测不准确，误差较大。正如在这个答案的开头和评论中所指出的，有用的预测需要更多的数据。出于同样的原因，用这种方法预测超过一年是不可能的。

来源

2016-06-14 06:29:46 RHertel

回答

相关问题