利用Holtwiners预测进行批量预测
我使用Rob Hyndman的批处理预测方法来预测利用Holtwiners预测进行批量预测,r,functional-programming,batch-processing,forecasting,holtwinters,R,Functional Programming,Batch Processing,Forecasting,Holtwinters,我使用Rob Hyndman的批处理预测方法来预测数据帧中的多个列。我的代码如下: require(forecast) zips <- read.csv(file.choose(), header = T) zips <- zips[,-c(1,2)] ns <- ncol(zips) zips <- ts(zips, frequency = 12, start = c(2005,1), end = c(2014,12)) zips <- HoltWinters
数据帧中的多个列。我的代码如下:
require(forecast)
zips <- read.csv(file.choose(), header = T)
zips <- zips[,-c(1,2)]
ns <- ncol(zips)
zips <- ts(zips, frequency = 12, start = c(2005,1), end = c(2014,12))
zips <- HoltWinters(zips, seasonal = "mult")
h <- 24
fcast <- matrix(NA, nrow=h, ncol=ns)
for(i in 1:ns) {
fcast[,i] <- forecast.HoltWinters(zips[,i], h=h)
}
write(t(fcast), file="fcast.csv", sep=",",ncol=ncol(fcast))
require(预测)
zips尝试将预测存储到列表而不是矩阵中。另外,forecast.holtwiners
函数需要类holtwiners
的对象,该类对象由需要向量作为输入的holtwiners
函数生成。除了点预测外,默认情况下,forecast.holtwiners
函数也会生成预测区间界限
fcast <- list()
for(i in 1:ns) {
zips_fit <- HoltWinters(zips[, i], seasonal = "mult")
fcast[[i]] <- forecast.HoltWinters(zips_fit, h = h)
}
fcast即使我也在对霍尔特冬季预测方法使用类似的批处理,但我使用了Rob J Hyndman教授创建的预测包中的函数hw。
无论如何,对于你的问题,我更喜欢在预测中使用$mean
。i、 e
fcast <- matrix(NA, nrow=h, ncol=ns)
for(i in 1:ns) {
fcast[,i] <- forecast.HoltWinters(zips[,i], h=h)`$mean`
}
fcasthw()
函数无论如何都会给出预测值。要获得积分预测,您可以使用$mean
(如下代码中所用)。您还可以使用seasonal=“Additional”
或seasonal=“乘法”
参数
祝你好运
最好的
require(预测)
拉链
require(forecast)
zips <- read.csv(file.choose(), header = T)
zips <- ts(zips, frequency = 12, start = c(2005,1), end = c(2014,12))
ns <- ncol(zips)
h <- 24
fcast <- matrix(NA, nrow=h, ncol=ns)
for(i in 1:ns) {fcast[,i] <- hw(zips[,i],h=h)$mean
}
write(t(fcast), file="fcast.csv", sep=",",ncol=ncol(fcast))