R：让我了解时间序列预测包的准确性功能

Question

我打算为我模拟其数据的 ARIMA 预测方法找到均方根误差。我的方法是使用 R 完成的，因为我遵循 Rob J. Hyndman 方法：

将时间序列数据分成train和test组。
通过auto.arima()函数获得最佳模型
对未来训练数据集的预测，直至测试集的长度。
计算预测的 RMSE。

MWE

library(forecast)
n=50
phi <- 0.6
set.seed(106100125)
ar1 <- arima.sim(n, model = list(ar=phi, order = c(1, 0, 0)), sd = 1)

train <- head(ar1, round(length(ar1) * 0.8)) # Train set

test <- tail(ar1, length(ar1) - length(train)) # Test set

nfuture <- forecast(train, model = auto.arima(train), h = length(test))      # makes the `forecast of test set to the future up to length of test set

RMSE <- accuracy(test, nfuture)      # RETURN RMSE

当我在 MWE 中调用 RMSE 时，我得到了 0。但是当我调用 test 和 nfuture 时，我得到了

#[1]  1.0470537  0.3984545  0.5811056  2.2703350 -1.0060028 -1.6126040 -0.4329466  2.1523534  1.2588265  0.7308986

和

#[1] 0.55281252 0.42374990 0.32481894 0.24898494 0.19085556 0.14629738 0.11214200 0.08596072 0.06589186 0.05050839

分别表明两者不相似因此，RMSE不能0

请帮助我指出我做错了什么，并告诉我我需要做些什么来改正。

Answer 1

使用您的代码，会产生以下错误：

RMSE <- accuracy(test, nfuture)
#> Error in xx - ff[1:n]: non-numeric argument to binary operator

您调换了参数的顺序。如果你解决了这个问题，你会得到以下结果

accuracy(nfuture, test)
#>                     ME      RMSE       MAE       MPE     MAPE      MASE
#> Training set 0.1068326 0.7035255 0.5543322 146.47245 194.2587 0.9426693
#> Test set     0.3185452 1.2399912 1.0237739  81.17983  82.4495 1.7409780
#>                   ACF1 Theil's U
#> Training set 0.1696878        NA
#> Test set     0.1777069 0.9050431

^{由 reprex package (v0.3.0)}

于 2020-09-24 创建

R：让我了解时间序列预测包的准确性功能

R: Put me through on the accuracy function on forecast package for time series

r

time-series

forecast