R tail（）在样本外预测中的使用

下面是我在这里找到的一个样本外滚动窗口估计：（）

我的问题是：我知道tail（）函数返回数据集的最后n行。但我不明白它在第13行的随机游走中，或者在计算第17行和第18行的误差时的用途。任何澄清这一点的帮助都将不胜感激

# = Number of windows and window size
w_size = 300
n_windows = nrow(X) - 300
# = Rolling Window Loop = #
forecasts = foreach(i=1:n_windows, .combine = rbind) %do%{
  # = Select data for the window (in and out-of-sample) = #
  X_in = X[i:(w_size + i - 1), ] # = change to X[1:(w_size + i - 1), ] forxpanding window
  X_out = X[w_size + i, ]

 # = Regression Model = #
 m1 = lm(infl0 ~ . - prodl0, data = X_in)
 f1 = predict(m1, X_out)

  # = Random Walk = #
  f2 = tail(X_in$infl0, 1)

  return(c(f1, f2))
}

# = Calculate and plot errors = #
e1 = tail(X[ ,"infl0"], nrow(forecasts)) - forecasts[ ,1]
e2 = tail(X[ ,"infl0"], nrow(forecasts)) - forecasts[ ,2]

---

这里函数

tail

应用于向量，因为您只选择

“inf10”

列。在本例中，tail返回所选列的最后一个元素

df <- data.frame(A = c(1,2), B = c(3,4))
df[,"A"] # will return c(1,2)
tail(df[,"A"], 1) # will return 2
tail(df$B, 1) # will return 4

---

df好的，那么在infl0的最后一个元素，随机游动将保持不变？在错误中，第一部分“tail（X[，“infl0”]，nrow（forecast））”意味着我们获取infl0变量的预测中的所有行数？。。我使用这些误差得到RMSE=sqrt（平均值（e1^2））和R^2=1-MSE（回归）/MSE（RW）=1-mean（e1^2）/mean（e2^2）。。。但我不确定我的滚动窗口预测是否正确，因为我不完全理解它。你认为它正确吗？最后一个
tail
将得到
n
最后一行
X
，
n
是
预测的行数。我真的不明白你的滚动窗口，我会检查你提供的链接（以前从未使用过预测包）啊，这是有意义的，因为错误应该显示预测值和实际值之间的差异。。是的，如果你能做到这一点，我将永远感激你。你检查过了吗？