CommencezCommencez gratuitement

SES vs naïf

Dans cet exercice, vous allez mettre en pratique vos connaissances sur les ensembles d'entraînement et de test, la fonction subset() et la fonction accuracy(), que vous avez vues au chapitre 2, afin de comparer les prévisions SES et naïves pour les données marathon.

Vous avez fait quelque chose de très semblable pour comparer les prévisions naïves et la moyenne dans un exercice précédent, « Évaluer l'exactitude des prévisions de méthodes non saisonnières ».

Reprenons le processus :

  1. D'abord, importez et chargez vos données. Déterminez quelle part de vos données vous souhaitez allouer à l'entraînement et laquelle au test; les ensembles ne doivent pas se chevaucher.
  2. Sous-échantillonnez les données pour créer un ensemble d'entraînement, que vous utiliserez comme argument dans votre ou vos fonctions de prévision. Optionnellement, vous pouvez aussi créer un ensemble de test pour plus tard.
  3. Calculez les prévisions de l'ensemble d'entraînement à l'aide de la ou des fonctions de prévision de votre choix, et fixez h au nombre de valeurs que vous voulez prévoir, ce qui correspond aussi à la longueur de l'ensemble de test.
  4. Pour consulter les résultats, utilisez la fonction accuracy() avec la prévision comme premier argument et les données originales (ou l'ensemble de test) comme deuxième argument.
  5. Choisissez une mesure dans la sortie, comme la RMSE ou la MAE, pour évaluer la ou les prévisions; une erreur plus faible indique une meilleure exactitude.

Les données marathon sont chargées dans votre espace de travail.

Cette activité fait partie du cours

Prévision en R

Voir le cours

Instructions de l’exercice

  • À l'aide de subset(), créez un ensemble d'entraînement pour marathon comprenant toutes les années sauf les 20 dernières, que vous réserverez pour le test.
  • Calculez les prévisions SES et naïves de cet ensemble d'entraînement et enregistrez-les dans fcses et fcnaive, respectivement.
  • Calculez les mesures d'exactitude des deux ensembles de prévisions avec la fonction accuracy() dans votre console.
  • Attribuez à fcbest les meilleures prévisions (soit fcses soit fcnaive) selon la RMSE.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create a training set using subset()
train <- ___(___, end = length(marathon) - ___)

# Compute SES and naive forecasts, save to fcses and fcnaive
fcses <- ses(___, h = ___)
fcnaive <- naive(___, h = ___)

# Calculate forecast accuracy measures
accuracy(___, ___)
accuracy(___, ___)

# Save the best forecasts as fcbest
fcbest <- ___
Modifier et exécuter le code