天真式（Naive）預測方法
你在影片中學到，forecast（預測）可以視為時間序列未來路徑模擬結果的平均數或中位數。
最簡單的預測方法，就是直接使用最新的一筆觀察值；這稱為 naive（天真式）預測，可由同名的函式來實作。對於許多時間序列（包含多數股價資料）而言，這已經是能做到的最佳方法。就算它不是好的預測方法，也能為其他方法提供有用的基準。
對於具有季節性的資料，類似的想法是使用上一年相同季節的觀察值。例如，你想預測下個 3 月的銷量，就使用前一年 3 月的銷量。這可透過 snaive() 函式（也就是 seasonal naive，季節性天真式）來完成。
在這兩種預測方法中，你都可以設定第二個引數 h，用來指定要預測的筆數；如下方程式碼所示，它們的預設值不同。輸出的結果是 forecast 類別的物件。這是 forecast 套件的核心物件類別，並且有許多對應的處理函式，例如 summary() 與 autoplot()。
naive(y, h = 10)
snaive(y, h = 2 * frequency(x))
你將分別在 goog 序列與 ausbeer 序列上嘗試這兩個函式。這些資料已可在你的工作空間中使用。
本練習屬於課程
R 的時間序列預測
練習說明
- 使用
naive()對goog序列的未來 20 個值進行預測，並將結果存成fcgoog。 - 使用
autoplot()與summary()繪圖並摘要這些預測。 - 使用
snaive()對ausbeer序列的未來 16 個值進行預測，並將結果存成fcbeer。 - 以與處理
fcgoog相同的方式，為fcbeer的預測繪圖並產生摘要。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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
___
___