Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/70.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
在R中绘制auto.arima forecase时,如何获得以X轴绘制的实际日期?_R_Plot_Forecasting - Fatal编程技术网

在R中绘制auto.arima forecase时,如何获得以X轴绘制的实际日期?

在R中绘制auto.arima forecase时,如何获得以X轴绘制的实际日期?,r,plot,forecasting,R,Plot,Forecasting,我有一个包含“日期”和“黄金价格”变量的黄金价格数据集。在R中完成所有预处理步骤后,我通过ts或xts函数将数据帧对象转换为时间序列,并通过adf测试检查平稳性 现在,通过启用预测库,我运行auto.arima函数并预测接下来的十个值 x <- "DATE" "GOLD PRICE" 01-01-2006 1326 x.xts <- xts(x$GOLD PRICE,X$DATE), fit <- auto.arima(x.xts)

我有一个包含“日期”和“黄金价格”变量的黄金价格数据集。在R中完成所有预处理步骤后,我通过ts或xts函数将数据帧对象转换为时间序列,并通过adf测试检查平稳性

现在,通过启用预测库,我运行auto.arima函数并预测接下来的十个值

x <- "DATE"         "GOLD PRICE"
      01-01-2006        1326

x.xts <- xts(x$GOLD PRICE,X$DATE),
fit <- auto.arima(x.xts)
forecast <- forecast(fit,h=10)

x在创建
ts
(或
xts
)对象时,需要明确注明日期。使用可再现的示例:

library("forecast")
data("gas") 
# gas is already a TS object. 
# We remove it and recreate it to show the appropriate method
gas2 <- vector(gas); rm(gas)
gas <-  ts(gas2, start= c(1956,1), frequency= 12)
fit <- auto.arima(gas)
forecast(fit, h= 10)
         Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
Sep 1995       57178.66 54885.61 59471.71 53671.74 60685.58
Oct 1995       53080.77 50466.09 55695.46 49081.96 57079.59
Nov 1995       50940.76 48086.64 53794.87 46575.77 55305.75
Dec 1995       40923.84 37931.85 43915.84 36347.99 45499.70
Jan 1996       43739.23 40654.37 46824.09 39021.35 48457.12
Feb 1996       43706.56 40557.77 46855.34 38890.91 48522.20
Mar 1996       47849.24 44653.96 51044.52 42962.48 52736.00
Apr 1996       50204.88 46974.32 53435.44 45264.16 55145.60
May 1996       56691.41 53432.91 59949.91 51707.96 61674.86
Jun 1996       61053.42 57771.93 64334.92 56034.81 66072.04
库(“预测”)
数据(“气体”)
#气体已经是一种物质。
#我们删除它并重新创建它以显示适当的方法

gas2请始终包括您正在使用的库--
forecast
xts
在这种情况下fit_预测拟合_预测点预测Lo 80 Hi 80 Lo 95 Hi 238896001 1207.494 1189.010 1225.977 1179.226 1235.761 238982401 1207.737 1181.598 1233.876 1167.761 1247.714 23906801 1207.9811175.967 1239.995 1159.020 1256.942这里我得到了预测,但日期不明确。我想要的是您示例中的日期,而不是值。@Jennifer欢迎您这样做!请编辑您的OP以提供