Time series 思考:寓言和交叉验证的时间序列建模
我正在使用fable和交叉验证构建一个时间序列模型,以确定要使用的最佳模型定义。是否存在建模的风险Time series 思考:寓言和交叉验证的时间序列建模,time-series,cross-validation,fable-r,tidyverts,Time Series,Cross Validation,Fable R,Tidyverts,我正在使用fable和交叉验证构建一个时间序列模型,以确定要使用的最佳模型定义。是否存在建模的风险 model(ETS(GDP)) vs 我这样问是因为当我仔细阅读**模型(ETS(GDP))***中的mable时,选择的模型在一些.id中是不同的。例如,id=1的ETS(A、A、A),id=2的ETS(A、Ad、A)等。如果是这种情况,为确保一致性,定义ETS的所有变体是否正确 我指的是一种可能: # A mable: 7 x 5 # Key: .id, LOB [7] .i
model(ETS(GDP))
vs
我这样问是因为当我仔细阅读**模型(ETS(GDP))***
中的mable时,选择的模型在一些.id中是不同的。例如,id=1的ETS(A、A、A),id=2的ETS(A、Ad、A)等。如果是这种情况,为确保一致性,定义ETS的所有变体是否正确
我指的是一种可能:
# A mable: 7 x 5
# Key: .id, LOB [7]
.id LOB ETS ETS_Exponential ARIMA_Exponential
<int> <chr> <model> <model> <model>
1 1 LG <ETS(A,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
2 2 LG <ETS(M,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
3 3 LG <ETS(A,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
4 4 LG <ETS(A,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
5 5 LG <ETS(A,N,N)> <ETS(M,N,N)> <ARIMA(0,0,1) w/ mean>
6 6 LG <ETS(A,N,N)> <ETS(M,N,N)> <ARIMA(0,0,0) w/ mean>
7 7 LG <ETS(A,N,N)> <ETS(M,N,N)> <ARIMA(0,0,0) w/ mean>
#mable:7 x 5
#密钥:.id,LOB[7]
.id LOB ETS_指数ARIMA_指数
1 1 LG
2.2 LG
3.3 LG
4磅
5克
6克
7 LG
谢谢。为什么您希望模型相同?例如,如果出于某种原因希望比较模型参数,则可能希望将同一模型拟合到所有系列。但是,如果你只是想得到好的预测,那么最好对不同的系列使用不同的模型——有些是趋势性的,有些是季节性的,等等,你可能需要考虑到这一点
如果有疑问,您可以尝试这两种方法,看看哪种方法能给出最好的预测(假设这就是您的最终目的)。感谢您的回复。
# A mable: 7 x 5
# Key: .id, LOB [7]
.id LOB ETS ETS_Exponential ARIMA_Exponential
<int> <chr> <model> <model> <model>
1 1 LG <ETS(A,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
2 2 LG <ETS(M,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
3 3 LG <ETS(A,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
4 4 LG <ETS(A,N,N)> <ETS(A,N,N)> <ARIMA(0,0,1) w/ mean>
5 5 LG <ETS(A,N,N)> <ETS(M,N,N)> <ARIMA(0,0,1) w/ mean>
6 6 LG <ETS(A,N,N)> <ETS(M,N,N)> <ARIMA(0,0,0) w/ mean>
7 7 LG <ETS(A,N,N)> <ETS(M,N,N)> <ARIMA(0,0,0) w/ mean>