日次データでの Holt-Winters 法
Holt-Winters 法は日次データにも適用できます。この場合、季節周期は 7 で、h の時間単位は日になります。
ここでは、hyndsight データ（2014 年 4 月 30 日から 1 年間の Hyndsight ブログの1日あたりページビュー数）に対して、加法型 Holt-Winters 法と季節的 naive() 法を比較します。データはワークスペースに用意されています。
この演習はコースの一部です
Rで学ぶ予測入門
演習の手順
subset.ts()を使って、hyndsightの利用可能なデータから最後の 4 週間を除いた訓練データを用意します。- 訓練データに加法季節性を適用した
hw()により、これら最後の 4 週間の予測を作成し、fchwに代入します。 - 同じ期間について、季節的 naive 予測を作成します。前の章で紹介した適切な関数を使い、結果を
fcsnに代入します。 - RMSE に基づいてどちらの予測が優れているかを判断します。
accuracy()関数を使って確認してください。 - これらの予測の時系列プロットを作成します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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(___)