Kom igångKom igång gratis

Holt-Winters metod med dagliga data

Holt-Winters metod kan även användas för dagliga data, där säsongsmönstret har längden 7 och den lämpliga tidsenheten för h är dagar.

Här ska du jämföra en additiv Holt-Winters metod och en säsongsnaiv metod med naive() för datamängden hyndsight, som innehåller dagliga sidvisningar på bloggen Hyndsight under ett år från och med den 30 april 2014. Datan finns tillgänglig i din arbetsyta.

Den här övningen är en del av kursen

Prognoser i R

Visa kurs

Övningsinstruktioner

  • Använd subset.ts() för att skapa en träningsmängd där de sista 4 veckorna av tillgänglig data i hyndsight har uteslutits.
  • Skapa prognoser för dessa sista 4 veckor med hw() och additiv säsongslighet tillämpat på träningsdatan. Tilldela resultatet till fchw.
  • Skapa säsongsnaiva prognoser för samma period. Använd lämplig funktion som introducerades i ett tidigare kapitel och tilldela resultatet till fcsn.
  • Vilken av de två prognoserna är bäst baserat på RMSE? Använd funktionen accuracy() för att avgöra detta.
  • Skapa tidsplotter för dessa prognoser.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(___)
Redigera och kör kod