Prognozowanie ARIMA
Zanim zbudujemy model ensemble, potrzebujemy rzeczywistej prognozy szeregu czasowego dla popytu – po to, żeby uśrednić prognozy. Obiekt danych treningowych MET_hi jest zapisany w twoim środowisku pracy, podobnie jak dane walidacyjne MET_hi_v.
To ćwiczenie jest częścią kursu
Prognozowanie popytu na produkty w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Build an ARIMA model using the auto.arima function
MET_hi_model_arima <- ___(___)
# Forecast the ARIMA model you just built above
for_MET_hi <- ___(___, h = ___)