CommencezCommencez gratuitement

Méthode de Holt‑Winters avec des données quotidiennes

La méthode de Holt‑Winters peut aussi s'appliquer à des données quotidiennes, où le motif saisonnier a une longueur de 7 et l'unité de temps appropriée pour h est le jour.

Ici, vous comparerez une méthode de Holt‑Winters additive et une méthode saisonnière naive() pour les données hyndsight, qui contiennent les pages vues quotidiennes du blogue Hyndsight pendant un an à partir du 30 avril 2014. Les données sont disponibles 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.ts(), préparez un ensemble d'entraînement en retirant les 4 dernières semaines des données disponibles dans hyndsight.
  • Produisez des prévisions pour ces 4 dernières semaines en utilisant hw() avec une saisonnalité additive appliquée aux données d'entraînement. Assignez le tout à fchw.
  • Produisez des prévisions saisonnières naïves pour la même période. Utilisez la fonction appropriée, présentée dans un chapitre précédent, et assignez le résultat à fcsn.
  • Lequel des deux jeux de prévisions est meilleur selon la RMSE? Utilisez la fonction accuracy() pour le déterminer.
  • Produisez des graphiques temporels de ces prévisions.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create training data with subset()
train <- subset(___, end = ___)

# Holt-Winters additive forecasts as fchw
fchw <- hw(___, seasonal = ___, h = ___)

# Seasonal naive forecasts as fcsn
fcsn <- ___

# Find better forecasts with accuracy()
accuracy(___, ___)
accuracy(___, ___)

# Plot the better forecasts
autoplot(___)
Modifier et exécuter le code