Machine learning 基于caret包的时间序列预测
我试图用caret软件包对经济数据进行预测。有什么方法可以预测未来几年的价值吗Machine learning 基于caret包的时间序列预测,machine-learning,time-series,r-caret,Machine Learning,Time Series,R Caret,我试图用caret软件包对经济数据进行预测。有什么方法可以预测未来几年的价值吗 library(mlbench) library(caret) library(pROC) library(caTools) library(ROCR) myTimeControl <- trainControl( method = "timeslice", initialWindow = 36, horizon = 12, fixedWindow = FALSE, allowParallel =
library(mlbench)
library(caret)
library(pROC)
library(caTools)
library(ROCR)
myTimeControl <- trainControl( method = "timeslice", initialWindow = 36,
horizon = 12, fixedWindow = FALSE, allowParallel = TRUE, classProbs = TRUE,
summaryFunction = twoClassSummary, verboseIter = TRUE)
modelRF <- train(
as.factor(class) ~ . , data = TestData, method = "rf", metric = "ROC",
ntree = 1000, preProc = c("center", "scale"), trControl = myTimeControl)
库(mlbench)
图书馆(插入符号)
图书馆(pROC)
图书馆(caTools)
图书馆(ROCR)
myTimeControl您需要将predict
方法与x
数据一起用于您想要预测的内容>预测时间序列,首先考虑时间序列是回归问题,然后可以采用极端梯度升力法作为时间模型,但其精度非常好。我已经应用了很多时间序列预测模型,如ARIMA、PROPHET、HOLT-WINTER、指数平滑等,但我的预测精度最好的是极端增强法,尽管它是一个回归模型
train(QTY~BILLDATE1,
data = train1,
method = "xgbDART",
preProc = c("center", "scale"))
基于树的模型往往是时间索引经济数据的弱预测因子。他们在面板数据方面取得了一些成功。您最好使用支持向量机或LSTM进行时间索引经济预测