สร้างการพยากรณ์อนุกรมเวลาสำหรับสินค้าใหม่
ก่อนที่จะคำนวณการพยากรณ์แบบ Bottom-Up สำหรับเขตมหานครได้ เราต้องมีการพยากรณ์ของสินค้าหลายรายการเสียก่อน มาเริ่มด้วยการสร้างการพยากรณ์อนุกรมเวลาสำหรับสินค้าเฉพาะทางในเขตมหานครกัน ข้อมูลความต้องการสินค้าถูกบันทึกไว้เป็น MET_sp ใน workspace รวมถึง dates_valid และข้อมูล validation ที่ชื่อ MET_sp_v
เนื่องจากได้เขียนฟังก์ชัน MAPE มาหลายครั้งแล้ว ตอนนี้มีฟังก์ชัน mape() เตรียมไว้ให้ใช้งานแล้ว โดยรับอินพุต 2 ค่า ได้แก่ ค่าพยากรณ์เป็นอันดับแรก และชุดข้อมูล validation เป็นอันดับที่สอง
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การพยากรณ์ความต้องการสินค้าใน R
คำแนะนำการฝึกหัด
- ใช้ฟังก์ชัน
auto.arima()เพื่อสร้างโมเดลอนุกรมเวลาสำหรับสินค้าเฉพาะทางMET_sp - พยากรณ์โมเดลนี้ล่วงหน้า 22 ช่วงเวลาจนถึงปี 2017
- แปลงผลการพยากรณ์ให้เป็นออบเจกต์
xtsโดยยังคงใช้ออบเจกต์dates_validสำหรับตัวเลือกorder.by = - คำนวณค่า MAPE ของการพยากรณ์นี้โดยใช้ฟังก์ชัน
mape()ที่เตรียมไว้ให้
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)