Cross-validation per serie temporali

Previsioni in R

Rob J. Hyndman

Professor of Statistics at Monash University

Cross-validation per serie temporali

ch2_vid4_slides.002.png

Cross-validation per serie temporali

ch2_vid4_slides.003.png

Cross-validation per serie temporali

ch2_vid4_slides.004.png

Cross-validation per serie temporali

ch2_vid4_slides.005.png

Funzione tsCV

MSE con cross-validation per serie temporali

e <- tsCV (oil, forecastfunction = naive, h = 1)
mean(e^2 , na.rm = TRUE)

2355.753

Se non ci sono parametri da stimare, tsCV con h=1 dà gli stessi valori dei residui

Funzione tsCV

  sq <- function(u){u^2}
  tsCV(oil, forecastfunction = naive, h = 10) %>%
    sq() %>% colMeans(na.rm=TRUE)

      h=1       h=2       h=3       h=4       h=5       h=6
 2355.753  5734.838  9842.239 14299.997 18560.887 23264.410
      h=7       h=8       h=9      h=10
26932.799 30766.136 32892.200 32986.214

L’MSE aumenta con l’orizzonte di previsione

Funzione tsCV

Scegli il modello con l’MSE più basso calcolato con la cross-validation per serie temporali
Calcolalo all’orizzonte di previsione che ti interessa di più

Ayo berlatih!

Previsioni in R