R 库 forecast::auto.arima vs fable:ARIMA 有什么区别？

Question

在线文档表明引擎盖下的算法与估计 (s)Arima 模型相同。在一些测试中，使用 Kaggle 数据集，我有不同的模型：ARIMA 函数显示 sArima，auto.arima 只有 Arima 模型。

auto.arima(tsbble_item1_store1$sales)

给予

Best model: ARIMA(5,1,2)

和

tsbble_item1_store1 %>%
               model(arima = ARIMA(sales))

给予

# A mable: 1 x 2
# Key:     store [1]
 store                    arima
<dbl>                  <model>
1     1 <ARIMA(1,1,3)(0,0,2)[7]>

我有非常不同的模型。顺便说一下，Arima 的寓言函数向我展示了一个更好的模型，因为它控制了季节性方面的 auto.arima 函数，而数据显示出明显的季节性。

有人知道当这两个函数尝试估计模型时默认参数的主要区别吗，因为我没有从文档中理解？

抱歉，如果我有一些错误

提前致谢

祝你有美好的一天

MC

Answer 1

forecast::auto.arima() 需要一个 ts 对象。这是一个具有一些时间序列属性的向量，包括季节性频率。当你只是传递一个数字向量时，就像你在这里一样，它假设季节性频率为 1（对于年度数据）并且不适合季节性 ARIMA 模型。

另一方面，tsibble 对象包含一个时间索引（在本例中它看起来像是一个日期变量）并且 ARIMA() 将使用该索引来确定什么类型的季节性（如果有的话）存在。使用日期变量，它将 select 7 的季节性频率对应于一周中的季节性时间。

要获得与 forecast::auto.arima() 相同的结果，请使用

auto.arima(ts(tsbble_item1_store1$sales, frequency=7))

R libraries forecast::auto.arima vs fable:ARIMA what's the differences?