1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Dự báo bằng R
Connected

Bài tập

SES so với naive

Trong bài tập này, bạn sẽ vận dụng kiến thức về tập huấn luyện và tập kiểm tra, hàm subset(), và hàm accuracy()—tất cả đều đã học ở Chương 2—để so sánh dự báo SES và naive cho dữ liệu marathon.

Bạn đã làm một việc rất tương tự để so sánh dự báo naive và dự báo trung bình trong bài tập trước đó “Đánh giá độ chính xác dự báo của các phương pháp phi mùa vụ”.

Hãy điểm lại quy trình:

  1. Trước tiên, nhập và nạp dữ liệu. Xác định tỷ lệ dữ liệu dành cho huấn luyện và cho kiểm tra; các tập này không được chồng lấp.
  2. Tách dữ liệu để tạo tập huấn luyện, tập này sẽ được dùng làm đối số trong (các) hàm dự báo của bạn. Tùy chọn, bạn cũng có thể tạo tập kiểm tra để dùng sau.
  3. Tính các dự báo từ tập huấn luyện bằng (các) hàm dự báo bạn chọn, và đặt h bằng số giá trị bạn muốn dự báo, cũng chính là độ dài của tập kiểm tra.
  4. Để xem kết quả, dùng hàm accuracy() với dự báo là đối số thứ nhất và dữ liệu gốc (hoặc tập kiểm tra) là đối số thứ hai.
  5. Chọn một chỉ số trong đầu ra, như RMSE hoặc MAE, để đánh giá (các) dự báo; sai số nhỏ hơn nghĩa là chính xác hơn.

Dữ liệu marathon đã được nạp vào không gian làm việc của bạn.

Hướng dẫn

100 XP
  • Dùng subset() để tạo tập huấn luyện cho marathon gồm toàn bộ dữ liệu trừ 20 năm cuối, phần này bạn sẽ giữ lại để kiểm tra.
  • Tính các dự báo SES và naive từ tập huấn luyện này và lưu lần lượt vào fcses và fcnaive.
  • Tính các thước đo độ chính xác dự báo cho hai bộ dự báo bằng hàm accuracy() trong console của bạn.
  • Gán bộ dự báo tốt nhất (hoặc fcses hoặc fcnaive) dựa trên RMSE vào fcbest.