Kroswalidacja szeregów czasowych

Prognozowanie w R

Rob J. Hyndman

Professor of Statistics at Monash University

Kroswalidacja szeregów czasowych

ch2_vid4_slides.002.png

Kroswalidacja szeregów czasowych

ch2_vid4_slides.003.png

Kroswalidacja szeregów czasowych

ch2_vid4_slides.004.png

Kroswalidacja szeregów czasowych

ch2_vid4_slides.005.png

Funkcja tsCV

MSE metodą kroswalidacji szeregów czasowych

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

2355.753

Gdy brak parametrów do estymacji, tsCV z h=1 daje te same wartości co reszty

Funkcja 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

MSE rośnie wraz z horyzontem prognozy

Funkcja tsCV

Wybierz model z najmniejszym MSE obliczonym metodą kroswalidacji szeregów czasowych
Oblicz je dla horyzontu prognozy, który jest najbardziej istotny

Czas na ćwiczenia!

Prognozowanie w R