MulaiMulai sekarang secara gratis

SES vs naive

Dalam latihan ini, Anda akan menerapkan pengetahuan tentang himpunan pelatihan dan uji, fungsi subset(), serta fungsi accuracy()—semuanya telah Anda pelajari di Bab 2—untuk membandingkan ramalan SES dan naive pada data marathon.

Anda telah melakukan hal yang sangat mirip untuk membandingkan ramalan naive dan mean pada latihan sebelumnya "Evaluating forecast accuracy of non-seasonal methods".

Mari kita tinjau prosesnya:

  1. Pertama, impor dan muat data Anda. Tentukan porsi data yang ingin Anda alokasikan untuk pelatihan dan untuk pengujian; kedua himpunan tersebut tidak boleh saling tumpang tindih.
  2. Ambil subset data untuk membuat himpunan pelatihan, yang akan Anda gunakan sebagai argumen dalam fungsi peramalan. Opsional, Anda juga dapat membuat himpunan uji untuk digunakan nanti.
  3. Hitung ramalan dari himpunan pelatihan menggunakan fungsi peramalan yang Anda pilih, dan atur h sama dengan jumlah nilai yang ingin Anda ramalkan, yang juga merupakan panjang himpunan uji.
  4. Untuk melihat hasilnya, gunakan fungsi accuracy() dengan ramalan sebagai argumen pertama dan data asli (atau himpunan uji) sebagai argumen kedua.
  5. Pilih salah satu ukuran pada keluaran, seperti RMSE atau MAE, untuk mengevaluasi ramalan; kesalahan yang lebih kecil menunjukkan akurasi yang lebih tinggi.

Data marathon telah dimuat ke dalam workspace Anda.

Latihan ini adalah bagian dari kursus

Peramalan di R

Lihat Kursus

Petunjuk latihan

  • Dengan menggunakan subset(), buat himpunan pelatihan untuk marathon yang mencakup seluruh data kecuali 20 tahun terakhir yang akan Anda sisihkan untuk pengujian.
  • Hitung ramalan SES dan naive dari himpunan pelatihan ini dan simpan masing-masing ke fcses dan fcnaive.
  • Hitung ukuran akurasi ramalan dari kedua set ramalan tersebut menggunakan fungsi accuracy() di konsol Anda.
  • Tetapkan ramalan terbaik (antara fcses atau fcnaive) berdasarkan RMSE ke fcbest.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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 <- ___
Edit dan Jalankan Kode