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

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