时间序列预测fc=1时触发下标越界警告，如何消除该警告？

问题原因 #

当设置fc=1时，forecast(h=fc)仅生成1个时间点的预测值，但传入accuracy()的测试集包含远多于1行的数据。fabletools::accuracy()在尝试对齐预测值与测试集的时间序列时，因长度不匹配触发了下标越界警告；而fc=3时，测试集前3行的时间范围刚好能与预测值完全匹配，因此无警告。

解决方案 #

方案1：规范划分训练/测试集+匹配时间范围

用时间索引而非行号分割数据集，确保训练集与测试集的时间连续，同时在计算精度时仅取测试集中对应预测步长的时间范围：

time_series_data <- read.csv('https://raw.githubusercontent.com/InfiniteCuriosity/forecasting_jobs/main/Total_Nonfarm.csv')
train_amount <- 0.60
fc <- 1

library(tidyverse)
library(fpp3)

# 数据预处理
time_series_data <- time_series_data %>%
    mutate(Date = yearmonth(Label), 
           Value = Value, 
           Change = difference(Value)) %>%
    select(Date, Value, Change) %>%
    as_tsibble(index = Date) %>%
    slice(-1)

# 用时间索引划分训练/测试集
train_row <- round(train_amount * nrow(time_series_data))
train_end_date <- time_series_data %>% slice(train_row) %>% pull(Date)

time_series_train <- time_series_data %>% filter(Date <= train_end_date)
time_series_test <- time_series_data %>% filter(Date > train_end_date)

# 取测试集中与预测步长对应的前fc行
test_subset <- time_series_test %>% slice(1:fc)

# 建模、预测、计算精度
Linear1_error_list <- time_series_train %>% 
  model(TSLM(Value ~ season() + trend())) %>% 
  forecast(h = fc) %>% 
  accuracy(test_subset)

方案2：使用time_split自动分割数据集

fabletools提供的time_split()函数可更规范地按时间分割序列，避免手动处理行号的问题：

time_series_data <- read.csv('https://raw.githubusercontent.com/InfiniteCuriosity/forecasting_jobs/main/Total_Nonfarm.csv')
train_amount <- 0.60
fc <- 1

library(tidyverse)
library(fpp3)

# 数据预处理
time_series_data <- time_series_data %>%
    mutate(Date = yearmonth(Label), 
           Value = Value, 
           Change = difference(Value)) %>%
    select(Date, Value, Change) %>%
    as_tsibble(index = Date) %>%
    slice(-1)

# 自动分割训练/测试集
data_split <- time_series_data %>% time_split(prop = train_amount)
time_series_train <- training(data_split)
time_series_test <- testing(data_split) %>% slice(1:fc)

# 建模、预测、计算精度
Linear1_error_list <- time_series_train %>% 
  model(TSLM(Value ~ season() + trend())) %>% 
  forecast(h = fc) %>% 
  accuracy(time_series_test)

关键说明 #

两种方案的核心都是确保预测结果的时间点与传入accuracy()的测试集时间点完全匹配，避免因长度或时间范围不匹配导致的内部下标错误。

内容的提问来源于stack exchange，提问作者Russ Conte