根据 R 中的给定数据预测下一个值
Predict the next values based on the given data in R
我有一个向量表示每个 year.How 中的违规行为,以预测 R 中未来几年的违规行为。
year <- c(190519, 223721, 235321, 101934)
请帮帮我
数据集太小,无法进行可靠的预测,但您可以尝试以下方法,只是为了说明如何在原则上获得时间序列预测的可能性:
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)
由于数据点数量太少,预测不准确,误差较大。正如本答案开头和评论中所指出的,有用的预测需要更多数据。同样的道理,用这种方法也无法预测超过一年的时间。
为了说明 akash87 和 Dominic Comtols 的评论,即用很少的信息进行预测是徒劳的,这里有一个线性模型方法和 ggplot 可视化:
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)
从图中可以看出,第 6 年通过线性模型外推的预测值无论如何都可以在灰色区域内,即介于 -339737 和 537576 之间。你最好只是猜测...
我有一个向量表示每个 year.How 中的违规行为,以预测 R 中未来几年的违规行为。
year <- c(190519, 223721, 235321, 101934)
请帮帮我
数据集太小,无法进行可靠的预测,但您可以尝试以下方法,只是为了说明如何在原则上获得时间序列预测的可能性:
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)
由于数据点数量太少,预测不准确,误差较大。正如本答案开头和评论中所指出的,有用的预测需要更多数据。同样的道理,用这种方法也无法预测超过一年的时间。
为了说明 akash87 和 Dominic Comtols 的评论,即用很少的信息进行预测是徒劳的,这里有一个线性模型方法和 ggplot 可视化:
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)
从图中可以看出,第 6 年通过线性模型外推的预测值无论如何都可以在灰色区域内,即介于 -339737 和 537576 之间。你最好只是猜测...