- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想预测一个线性模型,我用 ols 估计的。但是,它总是预测 future 相同的时间段,与我的数据集的长度相同。
这是我所做的。
data <- ts(matrix(rnorm(144, mean=0, sd=1), ncol=6), start=c(2007,1), frequency=12)
我计算了两个因素。
factors <- ts(t(t(eigen(cor(data))$vectors[,1:2] %*%
sqrt(diag(eigen(cor(data))$values[1:2]))) %*%
t(scale(data))), start=c(2007,1), frequency=12)
colnames(factors) <- c("f1", "f2")
我将这些因素与数据集相结合。
favar <- ts.union(factors, data)
colnames(favar) <- c(colnames(factors), "a", "b", "c", "d", "e", "f")
然后,我估计了“a”的线性模型。
require(forecast)
model <- tslm(a ~ f1 + f2 + b + c + d + e + f + 0, data=ts(sapply(favar, function(x)
lag(x, h=1))[-1,], start=c(2007, 2), frequency=12))
如果我现在预测我的模型,它对 future 时间段的长度与我的数据集相同。
forecast(model, newdata=favar, h=6, ts=T)
无论我为 h
设置什么值,结果始终是提前 24 个月的预测。我想,问题出现了,因为我必须提供 newdata
,为此我使用了我的原始数据集 favar
。但是,如果我尝试在没有它的情况下预测模型,则会出现以下错误:
Error in eval(expr, envir, enclos) : object 'f1' not found
我已经尝试使用 predict.lm
对其进行预测,并且仅使用 lm
而不是 tslm
来估计模型。无论如何,我面临同样的问题:预测周期总是与提供的 newdata
的长度相同。
更新:我刚刚注意到,不仅我的预测长度与我的数据集相同,而且值也相同。基本上,我只有原始数据的副本。
感谢您的帮助。
最佳答案
forecast(model, newdata=favar, h=6, ts=T)
调用 forecast.lm
。来自 forecast.lm
的文档:
newdata
An optional data frame in which to look for variables with which to predict. If omitted, it is assumed that the only variables are trend and season, and h forecasts are produced.
h
Number of periods for forecasting. Ignored if newdata present.
因此错误的原因
> forecast(model,h=6,ts=T)
Error in eval(expr, envir, enclos) : object 'f1' not found
>
唯一已知的变量是trend
和season
,而不是f1
、f2
。等等所以 newdata
不能丢失,因此 h
被忽略。
恐怕要从 forecast
方法得到长度为 6 的预测,您需要一些长度为 6 的 newdata
。然后由系数 确定的线性函数>coef(model)
在这 6 个点上进行评估。
当然你可以问系数
> coef(model)
f1 f2 b c d e f
2.008211 1.344910 -0.532548 -1.375166 0.378199 2.169784 -1.971422
并在没有 forecast
方法的情况下使用它们。
> myData <- X[1:6,-3] + matrix(sample(-100:100,6*7,,replace=TRUE)/100,6,7)
> myData
f1 f2 b c d e f
[1,] 1.3901181 0.5794323 0.2638713 1.7911077 -1.9140976 -0.1632654 1.2130388
[2,] -0.5106604 1.0037957 -0.5357955 1.1981059 -0.3636334 -1.2746126 -0.1845794
[3,] 2.0191347 -0.8724608 -1.7707524 0.2779736 1.2814462 -0.4834006 0.1504435
[4,] 1.4574348 0.2173202 -1.1881501 0.7911197 -0.7332919 -1.0103667 -0.8201907
[5,] -1.8129340 0.2294362 0.7379416 -1.3893631 0.5011054 0.4321159 0.4026663
[6,] 1.9659584 1.8596798 0.7286796 1.9930237 0.6643413 -0.2609216 -0.2635644
> fcst <- myData %*% coef(model)
> fcst
[,1]
[1,] -2.502231
[2,] -3.577032
[3,] 2.581397
[4,] 1.911273
[5,] -1.481277
[6,] 3.525071
> forecast(model,myData,ts=T)
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
Jan 2009 -2.502231 -2.502231 -2.502231 -2.502231 -2.502231
Feb 2009 -3.577032 -3.577032 -3.577032 -3.577032 -3.577032
Mar 2009 2.581397 2.581397 2.581397 2.581397 2.581397
Apr 2009 1.911273 1.911273 1.911273 1.911273 1.911273
May 2009 -1.481277 -1.481277 -1.481277 -1.481277 -1.481277
Jun 2009 3.525071 3.525071 3.525071 3.525071 3.525071
>
forecast
函数的名称有点误导。 forecast
仅计算 a
的预测值,如果预测值为 f1
、f2
、b
、c
、d
、e
和 f
作为 newdata
给出。
关于r - forecast.lm 预测总是提前相同的时间段,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33009982/
我正在使用 R 预测包拟合模型,如下所示: fit <- auto.arima(df) plot(forecast(fit,h=200)) 打印原始数据框和预测。当 df 相当大时,这
我正在尝试预测自有住房的中位数,这是一个行之有效的例子,给出了很好的结果。 https://heuristically.wordpress.com/2011/11/17/using-neural-ne
type="class"函数中的type="response"和predict有什么区别? 例如: predict(modelName, newdata=testData, type = "class
我有一个名为 Downloaded 的文件夹,其中包含经过训练的 CNN 模型必须对其进行预测的图像。 下面是导入图片的代码: import os images = [] for filename i
关于预测的快速问题。 我尝试预测的值是 0 或 1(它设置为数字,而不是因子),因此当我运行随机森林时: fit , data=trainData, ntree=50) 并预测: pred, data
使用 Python,我尝试使用历史销售数据来预测产品的 future 销售数量。我还试图预测各组产品的这些计数。 例如,我的专栏如下所示: Date Sales_count Department It
我是 R 新手,所以请帮助我了解问题所在。我试图预测一些数据,但预测函数返回的对象(这是奇怪的类(因子))包含低数据。测试集大小为 5886 obs。 160 个变量,当预测对象长度为 110 时..
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 6 年前。 Improve this qu
下面是我的神经网络代码,有 3 个输入和 1 个隐藏层和 1 个输出: #Data ds = SupervisedDataSet(3,1) myfile = open('my_file.csv','r
我正在开发一个 Web 应用程序,它具有全文搜索功能,可以正常运行。我想对此进行改进并向其添加预测/更正功能,这意味着如果用户输入错误或结果为 0,则会查询该输入的更正版本,而不是查询结果。基本上类似
我对时间序列还很陌生。 这是我正在处理的数据集: Date Price Location 0 2012-01-01 1771.0
我有许多可变长度的序列。对于这些,我想训练一个隐马尔可夫模型,稍后我想用它来预测(部分)序列的可能延续。到目前为止,我已经找到了两种使用 HMM 预测 future 的方法: 1) 幻觉延续并获得该延
我正在使用 TensorFlow 服务提供初始模型。我在 Azure Kubernetes 上这样做,所以不是通过更标准和有据可查的谷歌云。 无论如何,这一切都在起作用,但是我感到困惑的是预测作为浮点
我正在尝试使用 Amazon Forecast 进行一些测试。我现在尝试了两个不同的数据集,它们看起来像这样: 13,2013-03-31 19:25:00,93.10999 14,2013-03-3
使用 numpy ndarray大多数时候我们不需要担心内存布局的问题,因为结果并不依赖于它。 除非他们这样做。例如,考虑这种设置 3x2 矩阵对角线的稍微过度设计的方法 >>> a = np.zer
我想在同一个地 block 上用不同颜色绘制多个预测,但是,比例尺不对。我对任何其他方法持开放态度。 可重现的例子: require(forecast) # MAKING DATA data
我正在 R 中使用 GLMM,其中混合了连续变量和 calcategories 变量,并具有一些交互作用。我使用 MuMIn 中的 dredge 和 model.avg 函数来获取每个变量的效果估计。
我能够在 GUI 中成功导出分类器错误,但无法在命令行中执行此操作。有什么办法可以在命令行上完成此操作吗? 我使用的是 Weka 3.6.x。在这里,您可以右键单击模型,选择“可视化分类器错误”并从那
我想在同一个地 block 上用不同颜色绘制多个预测,但是,比例尺不对。我对任何其他方法持开放态度。 可重现的例子: require(forecast) # MAKING DATA data
我从 UCI 机器学习数据集库下载了一个巨大的文件。 (~300mb)。 有没有办法在将数据集加载到 R 内存之前预测加载数据集所需的内存? Google 搜索了很多,但我到处都能找到如何使用 R-p
我是一名优秀的程序员,十分优秀!