시작하기무료로 시작하기

일별 데이터에 대한 Holt-Winters 방법

Holt-Winters 방법은 계절 길이가 7인 일별 데이터에도 사용할 수 있으며, h의 단위는 일(day)입니다.

여기서는 hyndsight 데이터에 대해 가법 Holt-Winters 방법과 계절 naive() 방법을 비교해 보겠습니다. 이 데이터에는 2014년 4월 30일부터 1년간 Hyndsight 블로그의 일별 페이지뷰가 들어 있습니다. 데이터는 작업 공간에 준비되어 있습니다.

이 연습은 강의의 일부입니다

R로 배우는 시계열 예측

강의 보기

연습 안내

  • subset.ts()를 사용해 hyndsight에서 사용 가능한 데이터 중 마지막 4주를 제외한 훈련 세트를 만드세요.
  • 훈련 데이터에 가법 계절성을 적용한 hw()로 마지막 4주에 대한 예측을 생성하세요. 이를 fchw에 할당하세요.
  • 같은 기간에 대해 계절 naive 예측을 생성하세요. 이전 장에서 소개한 적절한 함수를 사용하고, 결과를 fcsn에 할당하세요.
  • RMSE 기준으로 두 예측 중 어느 쪽이 더 좋은가요? 이를 확인하려면 accuracy() 함수를 사용하세요.
  • 이 예측들의 시계열 플롯을 만드세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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(___)
코드 편집 및 실행