寓言预测数据集请求和函数
Fable forecast data set requests and functions
有没有人有 R 中寓言包的数据集要求
这是我遇到的一些问题,任何人都可以提出任何建议。
我的 R 版本是
平台x86_64-w64-mingw32
拱门 x86_64
osmingw32
系统 x86_64, mingw32
状态
专业 3
未成年人 5.2
2018 年
第 12 个月
第 20 天
svn 版本 75870
语言 R
version.string R 版本 3.5.2 (2018-12-20)
昵称蛋壳冰屋
可以使用不规则时间数据建模吗?
说:我有 365 天中 250 天的价格数据,但我仍然想使用寓言来模拟价格的 ARIMA。
那是possible吗?
示例表单 github 使用 tsibbledata::ausretail
数据集中没有缺失日期
好像表扬包语法改了
我使用的是本页 2018-12 中的示例,没问题
https://github.com/mitchelloharawild/fable-tfeam-2018/blob/master/index.Rmd
但现在我无法使用该代码。
例如ETS 正在使用
fbl_cafe_fit <- vic_cafe %>%
fable::ETS(Turnover ~ season("M"))
现在从这个页面开始,人们需要把额外的 'model' 放在外面??
https://github.com/tidyverts/fable
UKLungDeaths %>%
model(ets = ETS(log(mdeaths))) %>%
forecast
是新语法还是我的理解有误?
我现在好像没有auto.arima () 寓言的选项了???
我需要指定 pdq() 和 PDQ()
USAccDeaths %>% as_tsibble %>%
模型(arima = ARIMA(log(value) ~ pdq(0,1,1) + PDQ(0,1,1)))
在我拟合了arima模型之后,我在使用拟合模型预测下一个周期时也遇到了问题
此语法不再有效:
fbl_cafe_fc <- fbl_cafe_fit %>% 预测 (h=24)
ARIMA 需要规则的时间序列,但它也适用于存在缺失值的情况。您可以使用 tsibble::fill_gaps()
将隐式缺失值转换为显式缺失值。
正确,fable 包目前处于试验阶段,界面的更改预计会继续。这些更改可能会对用户产生相对较小的影响。自寓言 TFEAM 演讲以来,我们现在支持一个 mable 中的多个模型列。为此,我们现在使用 model()
来指定模型。以前,如果你想建模 data %>% ETS(log(y) ~ season("A"))
,现在是 data %>% model(ETS(log(y) ~ season("A"))
。
自动模型选择(如forecast::auto.arima()
)包含在寓言(ARIMA()
)中的相同功能中。在估计模型时,如果右侧为空,则会从默认值中自动选择一个模型。对于 ARIMA 模型,如果您使用 data %>% model(ARIMA(y))
,将自动选择合适的模型(与 forecast::auto.arima()
相同)。您现在还可以估计 ARIMA(p,0,0)(2,1,Q)[12] 模型,其中 p
和 Q
在 0 和 3 之间未知。为此,您会使用 data %>% model(ARIMA(y ~ pdq(0:3, 0, 0) + PDQ(2, 1, 0:3, period = 12)))
.
该代码看起来正确,并且应该仍然有效。也许您需要更新软件包。
有没有人有 R 中寓言包的数据集要求 这是我遇到的一些问题,任何人都可以提出任何建议。 我的 R 版本是
平台x86_64-w64-mingw32
拱门 x86_64
osmingw32
系统 x86_64, mingw32
状态
专业 3
未成年人 5.2
2018 年
第 12 个月
第 20 天
svn 版本 75870
语言 R
version.string R 版本 3.5.2 (2018-12-20)
昵称蛋壳冰屋
可以使用不规则时间数据建模吗? 说:我有 365 天中 250 天的价格数据,但我仍然想使用寓言来模拟价格的 ARIMA。 那是possible吗? 示例表单 github 使用 tsibbledata::ausretail 数据集中没有缺失日期
好像表扬包语法改了 我使用的是本页 2018-12 中的示例,没问题 https://github.com/mitchelloharawild/fable-tfeam-2018/blob/master/index.Rmd
但现在我无法使用该代码。 例如ETS 正在使用
fbl_cafe_fit <- vic_cafe %>%
fable::ETS(Turnover ~ season("M"))
现在从这个页面开始,人们需要把额外的 'model' 放在外面?? https://github.com/tidyverts/fable
UKLungDeaths %>%
model(ets = ETS(log(mdeaths))) %>%
forecast
是新语法还是我的理解有误?
我现在好像没有auto.arima () 寓言的选项了??? 我需要指定 pdq() 和 PDQ()
USAccDeaths %>% as_tsibble %>% 模型(arima = ARIMA(log(value) ~ pdq(0,1,1) + PDQ(0,1,1)))
在我拟合了arima模型之后,我在使用拟合模型预测下一个周期时也遇到了问题 此语法不再有效:
fbl_cafe_fc <- fbl_cafe_fit %>% 预测 (h=24)
ARIMA 需要规则的时间序列,但它也适用于存在缺失值的情况。您可以使用
tsibble::fill_gaps()
将隐式缺失值转换为显式缺失值。正确,fable 包目前处于试验阶段,界面的更改预计会继续。这些更改可能会对用户产生相对较小的影响。自寓言 TFEAM 演讲以来,我们现在支持一个 mable 中的多个模型列。为此,我们现在使用
model()
来指定模型。以前,如果你想建模data %>% ETS(log(y) ~ season("A"))
,现在是data %>% model(ETS(log(y) ~ season("A"))
。自动模型选择(如
forecast::auto.arima()
)包含在寓言(ARIMA()
)中的相同功能中。在估计模型时,如果右侧为空,则会从默认值中自动选择一个模型。对于 ARIMA 模型,如果您使用data %>% model(ARIMA(y))
,将自动选择合适的模型(与forecast::auto.arima()
相同)。您现在还可以估计 ARIMA(p,0,0)(2,1,Q)[12] 模型,其中p
和Q
在 0 和 3 之间未知。为此,您会使用data %>% model(ARIMA(y ~ pdq(0:3, 0, 0) + PDQ(2, 1, 0:3, period = 12)))
.该代码看起来正确,并且应该仍然有效。也许您需要更新软件包。