LoslegenKostenlos loslegen

Regressionsprognose für neues Produkt erstellen

In einer vorherigen Übung haben wir gesehen, dass sich auch Regressionsprognosen lohnen! In deinem Workspace ist schon einiges vorbereitet. Du hast einen Data Frame namens MET_sp_train mit den Variablen log_sales, log_price, christmas, valentine, newyear und mother. Zusätzlich gibt es einen Validierungs-Data-Frame MET_sp_valid für Vorhersagen.

Diese Übung ist Teil des Kurses

Prognose der Produktnachfrage in R

Kurs anzeigen

Anleitung zur Übung

  • Baue ein Regressionsmodell, das den Logarithmus der Verkäufe mit dem Logarithmus des Preises sowie allen Feiertags- und Promotionsvariablen vorhersagt.
  • Erzeuge Vorhersagen mit der Funktion predict und dem Data Frame MET_sp_valid.
  • Exponentiere deine Vorhersage und erstelle ein xts-Objekt.
  • Berechne die MAPE mithilfe des Objekts MET_sp_v für deinen Validierungssatz. Dein Data Frame MET_sp_valid hilft hier nicht, da er nur logarithmierte Preise enthält und du die MAPE auf den tatsächlichen Preisen möchtest.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Build a regression model on the training data
model_MET_sp_full <- lm(___ ~ ___ + ___ + ___ + ___ + ___, data = ___)

# Forecast the regression model using the predict function
pred_MET_sp <- ___(___, newdata = ___)

# Exponentiate your predictions and create an xts object
pred_MET_sp <- ___(___)
pred_MET_sp_xts <- ___(___, order.by = ___)

# Calculate MAPE
MAPE <- mape(___, ___)
print(MAPE)
Code bearbeiten und ausführen