R 具有时间序列数据和交叉验证的MLP
我在预测包中使用tsCV来评估不同预测期内不同模型的预测 然而,当我运行以下多元mlp时,e_mlp由NA组成 我将非常感谢任何帮助 请参见下面的最小可复制示例R 具有时间序列数据和交叉验证的MLP,r,time-series,cross-validation,mlp,R,Time Series,Cross Validation,Mlp,我在预测包中使用tsCV来评估不同预测期内不同模型的预测 然而,当我运行以下多元mlp时,e_mlp由NA组成 我将非常感谢任何帮助 请参见下面的最小可复制示例 library(forecast) library(RSNNS) xreg = as.matrix(cbind(1:120, 121:240),ncol=2) y <- as.ts(1:120) f <- function(xreg, y,h) { X <- xreg[1:length(y)] newX <
library(forecast)
library(RSNNS)
xreg = as.matrix(cbind(1:120, 121:240),ncol=2)
y <- as.ts(1:120)
f <- function(xreg, y,h) {
X <- xreg[1:length(y)]
newX <- xreg[1:(length(y)+h)]
fit <- mlp(y,xreg=matrix(X))
forecast(fit, xreg=matrix(newX), h=h)
}
e_mlp <- tsCV(xreg = xreg, y= y, f, h= 15)
mse_mlp <- (colMeans(e_mlp^2, na.rm=TRUE))
库(预测)
图书馆(RSNNS)
xreg=as.矩阵(cbind(1:120121:240),ncol=2)
你的第二个,被认为有效的代码对我不起作用。它在fit处抛出一个错误,很抱歉。这对你有用吗h=1 xreg=as.matrix(cbind(1:120,121:240,rnorm(120,平均值=0,标准差=1,ncol=3))不,仍然不起作用。您应该确保提供可复制的代码。否则就很难帮上忙。
h = 1
xreg = as.matrix(cbind(1:120, 121:240, rnorm(120, mean = 0, sd = 1),ncol=3))
y <- as.ts(rnorm(120, mean = 0, sd = 1))
X <- xreg[1:length(y)]
newX <- xreg[1:(length(y)+h)]
fit <- mlp(y,xreg=matrix(X))
forecast(fit, xreg=matrix(newX), h=h)