Zacznij terazZacznij za darmo

Metoda Holta-Wintersa dla danych dziennych

Metoda Holta-Wintersa sprawdza się również w przypadku danych dziennych, gdzie wzorzec sezonowy ma długość 7, a odpowiednią jednostką czasu dla argumentu h są dni.

W tym ćwiczeniu porównasz addytywną metodę Holta-Wintersa z sezonową metodą naive() dla zbioru hyndsight, który zawiera dzienną liczbę odsłon bloga Hyndsight przez rok, poczynając od 30 kwietnia 2014. Dane są dostępne w twoim środowisku roboczym.

To ćwiczenie jest częścią kursu

Prognozowanie w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Za pomocą subset.ts() utwórz zbiór treningowy, pomijając ostatnie 4 tygodnie dostępnych danych z hyndsight.
  • Przygotuj prognozy dla tych ostatnich 4 tygodni, używając hw() z addytywną sezonowością zastosowaną do danych treningowych. Przypisz wynik do fchw.
  • Przygotuj sezonowe prognozy naiwne dla tego samego okresu. Użyj odpowiedniej funkcji, którą poznałeś we wcześniejszym rozdziale, i przypisz wynik do fcsn.
  • Która z tych dwóch prognoz jest lepsza na podstawie RMSE? Użyj funkcji accuracy(), aby to sprawdzić.
  • Utwórz wykresy czasowe obu prognoz.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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(___)
Edytuj i uruchom kod