开始使用免费开始使用

评估季节性方法的预测精度

正如您在第 1 章学到的，window() 函数使用实际的时间点而非索引值来指定时间序列的 start 和 end。这两个参数都可以写成 c(year, period) 向量的形式，您也曾在 ts() 的参数中使用过这种格式。这里再次说明，period 指的是 quarter（季度）。

本练习中，您将使用墨尔本季度访客过夜数（visnights[, "VICMetro"]）来创建 3 个不同的训练集，分别省略最后 1 年、2 年和 3 年的数据。开始前，请在控制台查看预加载的 visnights 数据；这将帮助您为预测方法中的关键字 h（指定要预测的期数）设定正确的取值。

然后，对于每个训练集，计算下一年的预测值，最后使用 accuracy() 比较这些预测的 平均绝对百分比误差（MAPE）。为什么您认为这些 MAPE 会有如此大的差异？

本练习是课程的一部分

R 中的预测

查看课程

练习说明

  • 使用 window() 从 visnights[,"VICMetro"] 创建 3 个训练集，分别省略最后 1 年、2 年和 3 年的数据；相应地将它们命名为 train1、train2 和 train3，并据此设置 end 参数。
  • 使用 snaive() 方法为每个训练集计算 1 年的预测。分别将其命名为 fc1、fc2 和 fc3。
  • 参考示例代码的结构，使用 accuracy() 函数并以您的测试集为基准，比较 3 组预测的 MAPE。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create three training series omitting the last 1, 2, and 3 years
train1 <- window(visnights[, "VICMetro"], end = c(2015, 4))
train2 <- ___
train3 <- ___

# Produce forecasts using snaive()
fc1 <- snaive(___, h = ___)
fc2 <- ___
fc3 <- ___

# Use accuracy() to compare the MAPE of each series
accuracy(fc1, visnights[, "VICMetro"])["Test set", "MAPE"]
___
___
编辑并运行代码