在 Holtwinter 中查找平均绝对偏差
Finding Mean Absolute Deviation in Holtwinter
假设我们的数据集如下所示；
demand <- ts(BJsales, start = c(2000, 1), frequency = 12)
plot(demand)
现在我将时间序列对象传递给 HoltWinter 并绘制拟合数据。
hw <- HoltWinters(demand)
plot(hw)
我想区分需求数据和拟合数据以求出平均绝对偏差 (MAD)。
我接受了 hw$x 的需求
我通过 hw$fit
适应了
accu_Holt_data <- as.data.frame(hw$x)
fore_holt <- as.data.frame(hw$fit)
differnce <- accu_Holt_data - fore_holt
不能因为行长度不同而有所不同
根据我上面的评论，你可以这样做：
dta <- cbind(hw$fit[, 1], hw$x)
mean(abs(dta[, 2] - dta[, 1]), na.rm = TRUE)
您的方法有两个主要问题：首先，hw$fit 是一个多列数据框，其中第一列 xhat 代表过滤后的系列。其次，两个时间序列有不同的指标。因此需要像 cbind 这样的东西来合并时间序列。
假设我们的数据集如下所示；
demand <- ts(BJsales, start = c(2000, 1), frequency = 12)
plot(demand)
现在我将时间序列对象传递给 HoltWinter 并绘制拟合数据。
hw <- HoltWinters(demand)
plot(hw)
我想区分需求数据和拟合数据以求出平均绝对偏差 (MAD)。
我接受了 hw$x 的需求
我通过 hw$fit
accu_Holt_data <- as.data.frame(hw$x)
fore_holt <- as.data.frame(hw$fit)
differnce <- accu_Holt_data - fore_holt
不能因为行长度不同而有所不同
根据我上面的评论，你可以这样做：
dta <- cbind(hw$fit[, 1], hw$x)
mean(abs(dta[, 2] - dta[, 1]), na.rm = TRUE)
您的方法有两个主要问题：首先，hw$fit 是一个多列数据框，其中第一列 xhat 代表过滤后的系列。其次，两个时间序列有不同的指标。因此需要像 cbind 这样的东西来合并时间序列。