ナイーブな予測手法

動画で学んだとおり、予測は、時系列の将来をシミュレーションした結果の平均または中央値です。

最も単純な予測手法は、直近の観測値をそのまま使う方法で、これはナイーブ予測と呼ばれ、同名の関数で実装されています。これは、多くの時系列（たとえば多くの株価データ）にとっては最良の方法であり、たとえ良い予測手法でない場合でも、他の手法と比べるための有用なベンチマークになります。

季節性のあるデータでは、前年の同じ季節の値を使うという関連する考え方があります。たとえば、来年3月の売上を予測したいときは、前年3月の売上を使います。これは snaive() 関数で実装されており、seasonal naive（季節ナイーブ）を意味します。

どちらの予測手法でも、第2引数 h に予測したい先の個数を指定できます。以下のコードにあるように、デフォルト値は異なります。得られる出力はクラス forecast のオブジェクトです。これは forecast パッケージの中核となるクラスで、summary() や autoplot() をはじめ、これらを扱う多くの関数があります。

naive(y, h = 10)
snaive(y, h = 2 * frequency(x))

これら2つの関数を、それぞれ goog シリーズと ausbeer シリーズに対して試してみましょう。どちらもワークスペースで利用可能です。