使用 dplyr 将数据传递给 forecast.lm 并执行

Question

我在 dplyr do 中将数据传递给 forecast.lm 时遇到问题。我想基于一个因素制作多个模型 - hour - 并使用新数据预测这些模型。

我的数据示例基于以前的优秀示例：

require(dplyr)
require(forecast)

# Training set
df.h <- data.frame( 
  hour     = factor(rep(1:24, each = 100)),
  price    = runif(2400, min = -10, max = 125),
  wind     = runif(2400, min = 0, max = 2500),
  temp     = runif(2400, min = - 10, max = 25)  
)

# Forecasting set
df.f <- data.frame(
  hour     = factor(rep(1:24, each = 10)),
  wind     = runif(240, min = 0, max = 2500),
  temp     = runif(240, min = - 10, max = 25)  
)

# Bind training & forecasting
df <- rbind(df.h, data.frame(df.f, price=NA))

# Do a training model and then forecast using the new data
df <- rbind(df.h, data.frame(df.f, price=NA))
res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- Arima(hist$price, xreg = hist[,3:4], order = c(1,1,0))
  data.frame(fore[], price=forecast.Arima(fit, xreg = fore[ ,2:3])$mean)
})
res

这对时间序列模型非常有效，但是使用 lm 我在将数据传递到预测部分时遇到问题。

我对应的 lm 示例如下所示：

res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- lm(hist$price ~ wind + temp, data = hist)
  data.frame(fore[], price = forecast.lm(fit, newdata = fore[, 2:3])$mean)
})

问题是我无法将数据输入 newdata = 函数。如果您在拟合部分添加 hist$，则无法引用预测数据，并且出于某种原因，如果您添加 data = fore，则无法找到它 - 但在时间序列示例中可以。

Answer 1

问题是 forecast.lm 期望 fit 有一个 data 组件。如果您使用 glm 或 tslm，则为真。但是 lm 对象通常没有 data 组件。所以需要手动添加fit$data <- hist才能使forecast.lm正常工作。

res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- lm(price ~ wind + temp, data = hist)
  fit$data <- hist # have to add data manually
  data.frame(fore[], price = forecast.lm(fit, newdata = fore[, 2:3])$mean) 
})

这其实是一个known issue.

使用 dplyr 将数据传递给 forecast.lm 并执行

Passing data to forecast.lm using dplyr and do

r

dplyr

lm

forecasting