forecasting

    0热度

    1回答

    进一步讨论有关使用外部回归器拟合arima模型的讨论。 From Auto.arima to forecast in R 我能够完美地预测因为我曾经为预测解释我的反应变量(churn_rate)未来值未来5个月。 arima_model_churn_rate <- auto.arima(tsm_churn_rate, stepwise = FALSE, approximat

    0热度

    1回答

    我下面罗布海德门的日常预报例如这里用我自己的数据集,我得到了以下错误消息: 错误forecast.Arima (配合,XREG = cbind(ZF,数据$假期[157:256], H = 100)):回归量的数不匹配拟合模型 我Google'd错误消息,寻找潜在解决方案,但没有任何建议的修补程序为我工作。以下是我正在使用的代码。我正在使用索引,因此我可以使用一些数据来训练模型,并查看预测是否给实

    0热度

    1回答

    我知道将数据分离为训练和测试提供了一种方法来评估模型在看不见的数据情况下的表现。 我正在训练ARIMA模型,并且每天的数据都是从10月1日到11月22日。我有兴趣在12月14日预测一些指标。难道我 列车上的所有可用数据,并使用预测(“2015年11月23日”,“二○一五年十二月十四日”)或 拆分数据到训练和测试,以获得性能指标和使用模型训练集(从10月1日到11月7日),做一个预测,包括测试数据以

    0热度

    2回答

    我估计有一个BEKK(1,1)模型,现在我想要模型的预测值。以下是R代码来估计BEKK(1,1)模型。 > install.packages('MTS') > install.packages('rmgarch') > simulated <- simulateBEKK(2, 1000, c(1, 1)) ##prepare the matrix: > simulated <- do.c

    0热度

    1回答

    我如何解释ARIMA的结果。我有一个差异系列,我实现了2个ARIMA模型ARIMA [2,1,0]和ARIMA [1,1,0]。哪一个更好,我也绘制了ACF和PACF,我认为2,1,0应该是好的[ACF逐渐减小,PACF下降到2左右]。尽管我在绘制ACF和PACF之后也听到过,但我们通常会尝试一些或者循环以找到最好的。我们是否看到AIC/BIC进行比较或其他统计? 这里是ARIMA [1,1,0]

    1热度

    2回答

    我使用r中的tbats()函数来创建预测模型。 我想知道是否有人知道如何手动将ARMA(p,q)直接传递到tbats()函数中? 编辑:如果问题很模糊,我很抱歉。在包的文档中,将打印以下参数说明: “当为错误选择ARMA(p,q)模型时传递给auto.arima的附加参数(请注意,xreg将被忽略,如将关于季节性和差分,但参数控制p和q的值的任何参数将被使用。)” 它明确指出,手动地控制ARMA(

    0热度

    1回答

    我目前正在制定能力计划和未来增长预测。随着我们变得越来越大,并获得更多的客户,我们最终会停滞不前,我们的数字将开始放缓。我想想法子的随机数加入到我的预测,即会显示 “减少” 例子: 2008:20 2009:32 2010:45 2011:49 2012:52 2013:60 2014:72 2015:88 2016:102 2017:113 2018:142 2019:130 2020:127

    1热度

    1回答

    我正在通过“预测使用R”DataCamp课程。除了一个特定练习的最后一部分外,我已经完成了整个练习(链接here,如果您有帐户的话),我完全失去了。它给我的错误帮助也没有帮助。我将使用我正在使用的代码来解决这些任务的各个部分: 通过小平面生成仅日常需求和最高温度的时间图。 autoplot(elec[, c("Demand", "Temperature")], facets = TRUE) 指

    -2热度

    1回答

    我有以下问题,我已经创建了一个预测模型,但它并没有真正预测未来,我只是有一堆数据,我将它分为“训练”样本和“测试“样本,然后我可以检查我的预测有多好。但是现在我想预测未来10天内没有的数据。我怎么能做到这一点? 例子:比方说,我对这些天的数据: 2017年4月7日:213 2017年5月7日:321 2017年6月7日:111 2017年7月7日:90 2017年8月7日:78 现在我想FO重新编

    1热度

    1回答

    我是R语言的初学者,我有一个按产品收到的请求数量的月度数据列表,我如何使用ARIMA模型(最佳模型)对任何类型的数据进行预测。 我使用了下面的代码,但我不知道结果是否正确和可靠,或者我必须更改此代码中的其他模型或简单更改。 脚本: #Step 1: Plot Qty data as time series data <- structure(c(3108L, 2508L, 3516L, 382