r - 使用 dplyr 将数据传递给 forecast.lm 并执行

Question

我无法将数据传递给 forecast.lm在 dplyr do .我想根据一个因素制作几个模型 - hour - 并使用新数据预测这些模型。

我的数据示例基于以前的优秀示例:

require(dplyr)
require(forecast)

# Training set
df.h <- data.frame( 
  hour     = factor(rep(1:24, each = 100)),
  price    = runif(2400, min = -10, max = 125),
  wind     = runif(2400, min = 0, max = 2500),
  temp     = runif(2400, min = - 10, max = 25)  
)

# Forecasting set
df.f <- data.frame(
  hour     = factor(rep(1:24, each = 10)),
  wind     = runif(240, min = 0, max = 2500),
  temp     = runif(240, min = - 10, max = 25)  
)

# Bind training & forecasting
df <- rbind(df.h, data.frame(df.f, price=NA))

# Do a training model and then forecast using the new data
df <- rbind(df.h, data.frame(df.f, price=NA))
res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- Arima(hist$price, xreg = hist[,3:4], order = c(1,1,0))
  data.frame(fore[], price=forecast.Arima(fit, xreg = fore[ ,2:3])$mean)
})
res

这对时间序列模型非常有效，但使用 lm我在将数据传递到预测部分时遇到问题。

我对应的 lm示例如下所示:

res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- lm(hist$price ~ wind + temp, data = hist)
  data.frame(fore[], price = forecast.lm(fit, newdata = fore[, 2:3])$mean)
})

问题是我无法将数据放入 newdata =功能。如果您添加 hist$在拟合部分，您不能引用预测数据，并且出于某种原因，如果您添加 data = fore它找不到 - 但它可以在时间序列示例中找到。

Answer 1

问题是forecast.lm预计 fit有一个 data成分。如果您使用 glm或 tslm ， 那是真实的。但是lm对象通常没有 data成分。所以需要手动添加fit$data <- hist为 forecast.lm正常工作。

res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- lm(price ~ wind + temp, data = hist)
  fit$data <- hist # have to add data manually
  data.frame(fore[], price = forecast.lm(fit, newdata = fore[, 2:3])$mean) 
})

这实际上是一个 known issue .