预测R
我只想看看未来4个月招聘的预计人数 我的数据有三个变量 雇佣年、雇佣月和雇佣人数(不同订单数量) 我的数据可以复制 结构(列表(hireyear=c)(2015L、2016L、2016L、2016L、2016L、, 2016L,2016L,2016L,2016L,2016L,2016L,2016L,2016L,2017L, 2017L,2017L,2017L,2017L,2017L,2017L,2017L,2017L,2017L,2017L, 2017L,2017L,2018L,2018L,2018L,2018L,2018L,2018L,2018L,2018L, 2018L,2018L,2018L,2018L,2018L,2019L,2019L,2019L),月=c(12L, 1L、2L、3L、4L、5L、6L、7L、8L、9L、10L、11L、12L、1L、2L、3L、, 4L、5L、6L、7L、8L、9L、10L、11L、12L、1L、2L、3L、4L、5L、6L、, 7L、8L、9L、10L、11L、12L、1L、2L、3L),不同订单数量=c(106L, 150L、43L、39L、46L、28L、44L、15L、23L、22L、12L、47L、15L、, 1998L,75L,165L,158L,75L,49L,46L,51L,25L,33L,37L,36L, 67L、167L、41L、49L、41L、263L、49L、62L、48L、51L、46L、37L、,预测R,r,forecast,R,Forecast,我只想看看未来4个月招聘的预计人数 我的数据有三个变量 雇佣年、雇佣月和雇佣人数(不同订单数量) 我的数据可以复制 结构(列表(hireyear=c)(2015L、2016L、2016L、2016L、2016L、, 2016L,2016L,2016L,2016L,2016L,2016L,2016L,2016L,2017L, 2017L,2017L,2017L,2017L,2017L,2017L,2017L,2017L,2017L,2017L, 2017L,2017L,2018L,2018L,20
67L,40L,12L),row.names=245:284,class=“data.frame”)使用
predict()进行最简单的预测:
一般来说,一开始就非常简单,并根据需要增加复杂性是值得的。做一些散点图和柱状图来了解每个变量的分布以及它们之间的相互关系可能是有益的
下一步将是一个简单的线性回归,以衡量其他变量以最简单的方式描述人数的情况
这可能不会为您提供最佳拟合,在这种情况下,您可以扩展到探索更多的非线性回归。或者,我建议你看看这篇文章,了解如何将时间序列分析纳入你的预测中。
你的问题是什么?你在哪里被卡住了?有很多方法可以生成预测。这将是一个很好的起点:
Model <- lm(data = df,number_of_distinct_orders~. )
predict(Model, newdata=df)
245 246 247 248 249 250 251 252 253 254 255
11.711985 272.554432 246.690574 220.826717 194.962859 169.099001 143.235144 117.371286 91.507428 65.643571 39.779713
256 257 258 259 260 261 262 263 264 265 266
13.915855 -11.948002 248.894444 223.030587 197.166729 171.302871 145.439014 119.575156 93.711298 67.847441 41.983583
267 268 269 270 271 272 273 274 275 276 277
16.119725 -9.744132 -35.607990 225.234457 199.370599 173.506742 147.642884 121.779026 95.915169 70.051311 44.187453
278 279 280 281 282 283 284
18.323596 -7.540262 -33.404120 -59.267978 201.574469 175.710612 149.846754
predict(Model, newdata=df)[1:4]
245 246 247 248
11.71199 272.55443 246.69057 220.82672