Zbuduj prognozę szeregu czasowego dla nowego produktu
Zanim będzie można obliczyć prognozę oddolną dla regionu metropolitalnego, trzeba najpierw przygotować prognozy dla poszczególnych produktów! Zacznijmy od zbudowania prognozy szeregu czasowego dla produktu specjalistycznego w regionie metropolitalnym. Popyt na ten produkt jest zapisany jako MET_sp w twoim środowisku, podobnie jak dates_valid oraz dane walidacyjne MET_sp_v.
Funkcję MAPE napisano już wystarczająco wiele razy – teraz masz do dyspozycji gotową funkcję mape(), która przyjmuje dwa argumenty: pierwszy to prognoza, drugi to zbiór walidacyjny.
To ćwiczenie jest częścią kursu
Prognozowanie popytu na produkty w R
Instrukcje do ćwiczenia
- Użyj funkcji
auto.arima(), aby zbudować model szeregu czasowego dla produktu specjalistycznegoMET_sp. - Wykonaj prognozę tego modelu na 22 okresy w 2017 roku.
- Przekształć tę prognozę w obiekt
xts. Do opcjiorder.by =możesz nadal używać obiektudates_valid. - Oblicz MAPE dla tej prognozy, korzystając z nowej funkcji
mape().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Build a time series model
MET_sp_model_arima <- ___(___)
# Forecast the time series model you just built for 22 periods
for_MET_sp <- ___(___, h = ___)
# Create an xts object on the forecast object you just created
for_MET_sp_xts <- ___(___$mean, order.by = ___)
# Calculate the MAPE on your forecast with the validation data
MAPE <- mape(___, ___)
print(MAPE)