R 使用tslm（）预测时间序列组（&；三角帆

我想使tslm模型适合每个时间序列组。 我遵循的是ets模型的示例，但我不想拟合ets模型，而是想拟合tslm

我调整了代码，使其如下所示：

library(tidyverse)
library(timetk)
library(sweep)
library(forecast)

monthly_qty_by_cat2 <- 
  bike_sales %>%
  mutate(order.month = as_date(as.yearmon(order.date))) %>%
  group_by(category.secondary, order.month) %>%
  summarise(total.qty = sum(quantity)) %>% 
  mutate(trendx = row_number())

monthly_qty_by_cat2_nest <- 
  monthly_qty_by_cat2 %>%
  group_by(category.secondary) %>%
  nest() %>%
  mutate(data.ts = map(.x       = data, 
                       .f       = tk_ts, 
                       select   = -order.month, 
                       start    = 2011,
                       freq     = 12)) %>%
  mutate(fit.ts = map(data.ts, ~tslm(total.qty ~ season, data=.x))) %>%
  mutate(fcast.ts = map(fit.ts, forecast))

到

我得到一个错误：

错误：

mutate（）

input

fcast.ts

有问题。 找不到x对象“trendx” 输入

fcast.ts

是

map（fit.ts，forecast）

如何使用tslm模型中的自定义预测器预测这些数据

编辑 为了使用fable软件包，我重写了代码：

monthly_qty_by_cat2 <- 
  bike_sales %>%
  mutate(order.month = as_date(as.yearmon(order.date))) %>%
  group_by(category.secondary, order.month) %>%
  summarise(total.qty = sum(quantity)) %>% 
  mutate(trendx = row_number())

monthly_qty_by_cat2_nest <- 
  monthly_qty_by_cat2 %>%
  group_by(category.secondary) %>% 
  as_tsibble(key = category.secondary)
  
monthly_qty_by_cat2_nest %>%
  model(tslm = TSLM(total.qty ~ trendx)) %>% 
  forecast()

按类别划分的每月数量2%
变异（order.month=as_date（as.yearmon（order.date）））%>%
分组依据（类别.次要，订单.月份）%>%
汇总（总数量=总和（数量））%>%
突变（trendx=行数（）
每月数量（按类别2）
组别(中学组别)%>%
as_tsible（key=category.secondary）
每月按类别2分类的数量%>%
型号（tslm=tslm（总数量~trendx））%>%
预测（）

并接收错误：

错误：

mutate（）

input

tslm

有问题。 找不到x对象“trendx” 无法根据提供的新数据计算所需变量。 您的模型是否需要额外的变量来生成预测

库（tidyverse）
图书馆（TSIBLE）
图书馆（寓言）
图书馆（lubridate）
按类别划分的每月数量2%
突变（order.month=yearmonth（order.date））%>%
分组依据（类别.次要，订单.月份）%>%
汇总（总数量=总和（数量））%>%
as_tsible（索引=order.month，键=category.secondary）%>%
变异（x=rnorm（长度（总数量）））
#>`summary（）`按'category.secondary'重新分组输出（用'.groups'参数重写）
未来x%
突变（x=2）
每月数量（按类别2%>%
型号（tslm=tslm（总数量~趋势（）+x））%>%
预测（新数据=未来数据）
#>#寓言：9x6[1M]
#>#键：category.secondary、.model[9]
#>类别.二级.型号订单.月总数.数量平均数x
#>                                     
#>2016年1月1日越野赛tslm（369187840）369。2.
#>2 Cyclocross tslm 2016年1月N日（-2.575604）-2.50 2
#>3 Elite Road tslm 2016年1月N日（78432470）784。2.
#>4耐力路tslm 2016年1月N日（159117760）159。2.
#>5肥胖自行车tslm 2016年1月N（9566320）94.6 2
#>6山地tslm 2016年1月N日（19457732）194。2.
#>7体育tslm 2016年1月N日（12081568）120。2.
#>2016年1月第8次tslm试验N（21456269）214。2.
#>9 Triathalon tslm 2016年1月N（10294449）102。2.

---

由（v0.3.0）于2020年7月20日创建的寓言软件包就是为了实现这一点而设计的。如果没有可复制的数据结构示例，我无法提供更多帮助。bike_sales是随sweep package提供的数据集。我编辑了代码，使用了fable package，但仍然收到错误。在我的示例中，我使用了“trendx”，它是一个虚拟变量，而不是trend（）。使用trend（）或season（）可以很好地工作，当我尝试使用额外的预测器时会出现问题。您可以像往常一样使用任何额外的预测器。你不需要在这里使用一个，因为trend（）将为你创建相关变量。如果我使用任何额外的预测器，我会得到这个错误“object”，我已经更新了我的答案来说明如何做。如果使用其他预测值，则必须提供这些变量的未来值。

mutate(fit.ts = map(data.ts, ~tslm(total.qty ~ trendx, data=.x)))

monthly_qty_by_cat2 <- 
  bike_sales %>%
  mutate(order.month = as_date(as.yearmon(order.date))) %>%
  group_by(category.secondary, order.month) %>%
  summarise(total.qty = sum(quantity)) %>% 
  mutate(trendx = row_number())

monthly_qty_by_cat2_nest <- 
  monthly_qty_by_cat2 %>%
  group_by(category.secondary) %>% 
  as_tsibble(key = category.secondary)
  
monthly_qty_by_cat2_nest %>%
  model(tslm = TSLM(total.qty ~ trendx)) %>% 
  forecast()