如何使用R中的支持向量回归预测未来值

我试图预测一个周期性位置的未来值，它依赖于时间（x~time），使用支持向量回归进行单变量预测。该模型在列车数据上拟合良好，但在测试数据上进行评估时，该模型会沿着直线运行。在下面的代码中，我使用50个观察值进行训练（红色周期曲线的前半部分，SVR完美拟合），50个观察值进行测试（红色曲线的后半部分，SVR无法预测）

库（lubridate）
图书馆（purrr）
图书馆（GG2）
图书馆（指标）
图书馆（插入符号）
图书馆（dplyr）
图书馆（e1071）
#列车数据有50个观测值
#评估数据有100个观测值（前半部分是列车数据）
func您可以使用
caretForecast
包。您可以使用
caret
支持的任何ML模型，包括SVM

要安装软件包：
devtools:：install\u github（“Akai01/caretForecast”）

示例代码
库（caretForecast）
图书馆（预测）
培训数据错误：未能从GitHub安装“caretForecast”：（从警告转换而来）无法删除先前安装的包“rlang”@IsmailE.Dawoodjee。显然，无法安装包
rlang
。您能否尝试安装.packages（“rlang”，dependencies=TRUE）
？然后
devtools:：install\u github（“Akai01/caretForecast”）
Ok软件包现在可以工作了。我设法做出了预测，并尝试了一些调整。
library(lubridate)
library(purrr)
library(ggplot2)
library(Metrics)
library(caret)
library(dplyr)
library(e1071)

# train_data has 50 observations
# eval_data has 100 observations (the first half is train_data)
 
func <- x ~ abs_time # position x dependent on time
svr_model <- svm(func, train_data, type = "eps-regression", 
                 kernel="radial", gamma=13, cost=10, epsilon = 0.01)

k_hat <- predict(svr_model, eval_data)
  
plot(x = eval_data$abs_time, y = eval_data$x, type = "l", col="red") # true position
points(x = eval_data$abs_time, y = k_hat, col = "blue") # SVR predicted position

library(caretForecast)
library(forecast)

training_data <- window(AirPassengers, end = c(1960, 1))

testing_data <- window(AirPassengers, start = c(1960, 2))


fit <- ARml(training_data, maxlag = 12, caret_method = "svmLinear",
            lambda = "auto")

forecast(fit, h = length(testing_data), level = NULL)-> fc

accuracy(fc, testing_data)


fc_plot(fc) + 
  autolayer(testing_data, series = "testing_data")

get_var_imp(fc)

get_var_imp(fc, plot = F)