Naif tahmin yöntemleri
Videoda öğrendiğin gibi, bir tahmin (forecast), bir zaman serisinin simüle edilmiş geleceklerinin ortalaması veya medyanıdır.
En basit tahmin yöntemi, en son gözlemi kullanmaktır; buna naif tahmin denir ve aynı isimli bir işleve gömülüdür. Bu yöntem, çoğu hisse senedi fiyat verileri dahil pek çok zaman serisi için yapılabilecek en iyi şeydir; iyi bir tahmin yöntemi olmasa bile diğer yöntemler için yararlı bir karşılaştırma ölçütü (benchmark) sağlar.
Mevsimsel veriler için, bununla ilişkili bir fikir de son yılın verilerindeki karşılık gelen mevsimi kullanmaktır. Örneğin, gelecek Mart ayının satış hacmini tahmin etmek istiyorsan, bir önceki Mart ayının satış hacmini kullanırsın. Bu, seasonal naive anlamına gelen snaive() işleviyle uygulanır.
Her iki tahmin yönteminde de, kaç değeri tahmin etmek istediğini belirten ikinci argüman h'yi ayarlayabilirsin; aşağıdaki kodda gösterildiği gibi varsayılan değerleri farklıdır. Ortaya çıkan çıktı forecast sınıfından bir nesnedir. Bu, forecast paketindeki temel nesne sınıfıdır ve summary() ve autoplot() dahil bunlarla çalışmak için birçok işlev vardır.
naive(y, h = 10)
snaive(y, h = 2 * frequency(x))
Bu iki işlevi sırasıyla goog serisi ve ausbeer serisi üzerinde deneyeceksin. Bu seriler çalışma alanında hazır.
Bu egzersiz, kursun bir parçasıdır
R ile Tahminleme
Egzersiz talimatları
naive()kullanarakgoogserisinin sonraki 20 değerini tahmin et ve bunufcgoogolarak kaydet.- Tahminleri
autoplot()vesummary()ile görselleştir ve özetle. snaive()kullanarakausbeerserisinin sonraki 16 değerini tahmin et ve bunufcbeerolarak kaydet.fcbeeriçin tahminleri,fcgoogiçin yaptığınla aynı şekilde görselleştir ve özetle.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Use naive() to forecast the goog series
fcgoog <- naive(___, ___)
# Plot and summarize the forecasts
___(___)
___(___)
# Use snaive() to forecast the ausbeer series
fcbeer <- ___
# Plot and summarize the forecasts
___
___