Performance 快速求解R中的最佳ARIMA模型（函数'auto.ARIMA`）

我有一个由2775个元素组成的数据系列：

mean(series)
[1] 21.24862
length(series)
[1] 2775
max(series)
[1] 81.22
min(series)
[1] 9.192

我想通过使用套餐预测的auto.ARIMA函数获得最佳的ARIMA模型：

但我有一个大问题：RStudio运行了一个半小时没有结果。我开发了一个R代码来执行这些计算，在一台装有2.80GHz IntelR CoreTM i7 CPU和16.0 GB RAM的Windows机器上使用。我怀疑这是由于时间序列的长度。一个解决方案可能是并行化？但我不知道如何应用它

---

不管怎样，你有什么建议来加速这段代码吗？谢谢

forecast软件包的许多功能都是在考虑并行处理的情况下构建的。函数的参数之一是“parallel”

根据软件包文档，如果[parallel=]TRUE和stepwise=FALSE，那么规范搜索是并行进行的。这可以在多线程机器上提供显著的加速

如果parallel=TRUE，它将自动选择笔记本电脑或台式机使用的“核心数”，通常是核心数*2。例如，我有4个核心，每个核心有2个处理器=8个“核心”。如果要手动设置核心数，还可以使用参数num.cores

我建议你看看Hyndman写的关于包裹的所有信息。它就像一本时间序列预测圣经。

你关于auto.arima的平行陈述仅在纸面上是正确的，但在实践中是不正确的。每当我使用parallel=TRUE和stepwise=FALSE时，我使用system.time[[3]]进行测量时会花费更长的时间

library(forecast)
fit=auto.arima(Netherlands,stepwise=F,approximation = F)