预测中的R
回答
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......
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。
- 1. 估计预测中的R
- 2. R中的预测华力
- 3. 理解预测()中的R
- 4. 预测R
- 5. r holtwinters预测
- 6. 预测功能survreg r中
- 7. 预测与在r中
- 8. R预测区间
- 9. R预测单行
- 10. 并行预测R
- 11. R:预测错误
- 12. 预测软件包R中的预测范围问题
- 13. R预测 - 预测中的日期问题
- 14. R的季节性预测
- 15. 图纸预测的R值
- 16. ARIMA时间序列预测中的R
- 17. 不能情节预测线中的R
- 18. 预测值来了相同中的R
- 19. R中预测功能的问题
- 20. R中预测()glmnet函数的错误
- 21. 用R中的回归方程预测
- 22. R中的神经网络预测
- 23. Python中的R预测软件包
- 24. R中的NaiveBayes无法预测
- 25. r - knn中新观察的预测
- 26. 预测()与r中的任意系数
- 27. h2o.deeplearning预测误差中的R
- 28. 如何从R预测中提取预测?
- 29. R批量预测负值
- 30. R预测因子变量
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