朴素预测方法
正如您在视频中学到的，预测是时间序列未来情景的模拟结果的均值或中位数。
最简单的预测方法是使用最近一次观测值；这称为朴素预测，并可用同名函数实现。对于许多时间序列（包括大多数股票价格数据），这是能够做到的最佳方法。即使它不是好的预测方法，也能为其他方法提供有用的基准。
对于具有季节性的数据显示，一个相关思路是使用上一年的相应季节值。例如，如果您要预测下一个 3 月的销量，就使用上一个 3 月的销量。这在 snaive() 函数中实现，意思是季节性朴素。
对于这两种预测方法，您都可以设置第二个参数 h，用于指定要预测的数值个数；如下面代码所示，它们有不同的默认值。生成的输出是一个 forecast 类的对象。这是 forecast 包的核心对象类，并有许多函数可用于处理它们，包括 summary() 和 autoplot()。
naive(y, h = 10)
snaive(y, h = 2 * frequency(x))
您将分别在 goog 序列和 ausbeer 序列上尝试这两个函数。它们已在您的工作区中可用。
本练习是课程的一部分
R 中的预测
练习说明
- 使用
naive()对goog序列的下 20 个值进行预测，并将结果保存为fcgoog。 - 使用
autoplot()和summary()对预测结果进行绘图并汇总。 - 使用
snaive()对ausbeer序列的下 16 个值进行预测，并将结果保存为fcbeer。 - 以与处理
fcgoog相同的方式，对fcbeer的预测进行绘图和汇总。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
___
___