R 我如何在不同的预测模型族之间做出决定,以自动预测150个时间序列?
我有多个部门(零售领域)的每周时间序列数据,根据一些研究,我正在自动化为每个时间序列寻找模型参数的过程。到目前为止,我已经为for循环中的每个时间序列实现了以下模型: 1) ARIMA(R中的auto.ARIMA) 2) stlf(无法使用R的ets功能,因为我有每周数据) 3) TBATS 4) ARIMA误差回归(使用傅里叶项) 5) 基线模型:朴素&平均 我想了解如何为每个时间序列选择模型。我对此有多种方法: 1) 选择测试数据RMSE最低的模型(风险:测试数据拟合过度) 2) 选择RMSE最低的时间序列交叉验证最佳模型(tsCV) 3) 为所有时间序列选择一个模型系列,根据该系列在所有时间序列中给出最低平均RMSE分数 有什么方法可以改进我的方法吗?上述任何一种方法有什么缺点吗?还有更好的办法吗R 我如何在不同的预测模型族之间做出决定,以自动预测150个时间序列?,r,time-series,forecasting,arima,forecast,R,Time Series,Forecasting,Arima,Forecast,我有多个部门(零售领域)的每周时间序列数据,根据一些研究,我正在自动化为每个时间序列寻找模型参数的过程。到目前为止,我已经为for循环中的每个时间序列实现了以下模型: 1) ARIMA(R中的auto.ARIMA) 2) stlf(无法使用R的ets功能,因为我有每周数据) 3) TBATS 4) ARIMA误差回归(使用傅里叶项) 5) 基线模型:朴素&平均 我想了解如何为每个时间序列选择模型。我对此有多种方法: 1) 选择测试数据RMSE最低的模型(风险:测试数据拟合过度) 2) 选择RMS
非常感谢 使用上述所有预测方法预测数据,然后计算MAPE并检查哪个模型给出最佳结果,然后使用该模型预测数据。 还可以尝试使用不同的数据转换进行检查,如日志、反转等。。用于输入数据