ComeçarComece de graça

Usando tsCV() para validação cruzada em séries temporais

A função tsCV() calcula os erros de validação cruzada em séries temporais. Ela exige que você especifique a série temporal, o método de previsão e o horizonte de previsão. Aqui está o exemplo usado no vídeo:

> e = tsCV(oil, forecastfunction = naive, h = 1)

Aqui, você usará tsCV() para calcular e plotar os valores de MSE para até 8 passos à frente, junto com o método naive() aplicado aos dados goog. O exercício usa gráficos do ggplot2, com os quais você pode não estar familiarizado, mas fornecemos código suficiente para você conseguir completar o restante.

Certifique-se de consultar os slides sobre tsCV() na aula. Os dados goog foram carregados no seu ambiente de trabalho.

Este exercício faz parte do curso

Previsão em R

Ver curso

Instruções do exercício

  • Usando os dados goog e fazendo previsões com a função naive(), calcule os erros validados por validação cruzada para até 8 passos à frente. Atribua isso a e.
  • Calcule os valores de MSE para cada horizonte de previsão e remova valores ausentes em e especificando o segundo argumento. A expressão para calcular o MSE foi fornecida.
  • Plote os valores de MSE resultantes (y) em função do horizonte de previsão (x). Reflita sobre seu conhecimento de funções. Se MSE = mse for fornecido na lista de argumentos da função, então mse deve se referir a um objeto que existe no seu ambiente de trabalho fora da função, enquanto MSE é a variável que se refere a esse objeto dentro da sua função.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Compute cross-validated errors for up to 8 steps ahead
e <- tsCV(___, forecastfunction = ___, h = ___)

# Compute the MSE values and remove missing values
mse <- colMeans(e^2, na.rm = ___)

# Plot the MSE values against the forecast horizon
data.frame(h = 1:8, MSE = mse) %>%
  ggplot(aes(x = h, y = ___)) + geom_point()
Editar e executar o código