R 确定最佳预测模型
我试图预测一些时间序列数据,我使用了三种不同类型模型的DPE进行预测。现在,我已经记录了每个系列的模型性能,这些性能由一个唯一的id表示。数据格式如下:R 确定最佳预测模型,r,R,我试图预测一些时间序列数据,我使用了三种不同类型模型的DPE进行预测。现在,我已经记录了每个系列的模型性能,这些性能由一个唯一的id表示。数据格式如下: ID MAPE_Model_Residual MAPE_Validation_Residual Diff_Residual 1 8355_0_32167 83.26487 77.86192 5.40295030 2 8355_0_32168 93.44
ID MAPE_Model_Residual MAPE_Validation_Residual Diff_Residual
1 8355_0_32167 83.26487 77.86192 5.40295030
2 8355_0_32168 93.44941 93.51703 0.06761914
3 8355_0_32169 93.46655 93.52344 0.05688714
4 8355_3936_32170 88.94154 84.96923 3.97231385
5 8355_3937_32170 74.37984 83.19228 8.81243847
6 8355_3940_32170 74.06081 52.38760 21.67321223
MAPE_Model_Fitted MAPE_Validation_Fitted Diff_Fitted MAPE_Model_Arima MAPE_Validation_Arima
81.87216 74.91174 6.96041639 83.96876 80.19690
93.36049 93.33518 0.02530898 92.93121 90.73525
93.37859 93.33369 0.04489972 92.91448 90.74218
88.24597 85.42486 2.82111289 88.69834 83.08940
74.43546 83.19509 8.75962941 73.69333 74.74214
6 73.77239 52.97098 20.80140874 75.56103 63.57248
Diff_Arima
3.771864
2.195963
2.172300
5.608939
1.048811
11.988552
模型分为三类:模型精度、交叉验证精度和差异。我想确定一个对应于唯一id的模型,该id具有最高的精度和最低的差异。比如一个小例子就是
Model1 Model2 Model3
M1_2 M1_diff M2_1 M2_2 M2_diff M3_1 M3_2 M3_diff
A 55.2 60.8 5.6 66.7 69.8 3.1 58.5 60.3 1.8
B 56.8 55.4 1.4 62.8 63.9 1.1 65.7 69.8 4.1
C 52.3 54.3 2.0 53.8 55.9 1.1 56.7 57.9 1.2
我必须找出模型1、2、3中哪一个最适合A、B、C中的每一个
Mi_1和Mi_2应最高,Mi_差异应最低。像id B一样,它可能是第二种型号。我无法想出任何通用算法来实现这一点。数据非常大,几乎有1000个唯一的ID,不能手动创建。我想可能有一些简单的解决方案我没有得到。有人能帮忙吗?我使用R进行计算。您可以计算一个将三个值组合在一起的分数函数,然后选择使分数最大化的模型(通过id)。由于您的所有值均为正值,因此作为分数函数,我将采用以下公式:
score = product(acc_1,acc_2)/diff
以下是我将采取的行动:
首先,我以长格式重塑数据(通过(id,model)更容易处理):
最后,对于每个id,我选择使分数最大化的模型:
ddply(scored,.(id),summarise,model = model[which.max(score)])
# id model
# 1 A M3
# 2 B M2
# 3 C M3
是的,它涉及统计,但问题不是统计。它只与编码有关,请阅读我的示例。为什么选择id B作为第二个型号?虽然它的M2_diff值最低,但id A的精确度更高。不,我必须为id选择一个模型,而不是为模型选择id。对于模型2,B的差异最小,所以我选择模型2作为B,模型3也可以选择更高的精度,但差异很大。不,这个问题不涉及统计。但我认为你没有表现出任何解决问题的努力。我的意思是没有算法或代码,或者至少没有预期的结果,可以说我们处理的是一个编程问题。。。事实上,我是一个统计人员,不太擅长编码。你能给我推荐一些教程吗???@user370257网上有很多参考资料,甚至在这里的常见问题解答中也有。但是试着获得基本知识。有一定的学习曲线,但R特别适合做统计。是的,R几乎可以用于所有类型的统计计算
ddply(melted,.(id,model),summarise,
score = prod(value[!grepl('diff',variable)])/ value[grepl('diff',variable)])
# id model score
# 1 A M1 599.3143
# 2 A M2 1501.8258
# 3 A M3 1959.7500
# 4 B M1 2247.6571
# 5 B M2 3648.1091
# 6 B M3 1118.5024
# 7 C M1 1419.9450
# 8 C M2 2734.0182
# 9 C M3 2735.7750
ddply(scored,.(id),summarise,model = model[which.max(score)])
# id model
# 1 A M3
# 2 B M2
# 3 C M3