ARIMA模型准确率显示NaN及测试数据警告问题求助

问题原因与修复方案 #

1. 测试集NaN准确率与“未来数据集不完整”警告的核心原因 #

使用stretch_tsibble做拉伸训练时，你设置了.step=1，意味着每个训练窗口仅向后滑动1个时间步，对应测试集仅包含1个观测值。但你调用forecast(h = "1 years")生成了12步预测，这就导致：

• 实际测试数据（cn中每个窗口的后续数据）只有1个值，无法匹配12步预测，触发“未来数据集不完整”警告
• 准确率计算时因预测值与实际值长度不匹配，无法生成有效指标，返回NaN

2. 训练集NaN准确率的可能原因 #

部分强制去掉截距的ARIMA模型（带~0设定），在初始小窗口（仅12个观测值）中无法正常收敛，模型拟合失败后，训练集准确率无法计算，返回NaN。

修复步骤 #

步骤1：匹配预测步长与拉伸逻辑

将预测步长改为h=1，与.step=1的滑动逻辑对齐：

fc <- fit %>%
  fabletools::forecast(h = 1)

此时每个训练窗口仅预测下1个时间点，能和cn中的测试观测值一一对应，警告会消失，测试集准确率可正常计算。

步骤2：优化模型设定，避免拟合失败

去掉强制~0的设定，让ARIMA自动判断是否需要截距，减少小窗口下的拟合失败概率：

fit <- cn %>%
  model(
    ar112 = ARIMA(paid ~ pdq(1,1,2)),
    ar110 = ARIMA(paid ~ pdq(1,1,0)),
    ar011 = ARIMA(paid ~ pdq(0,1,1)),
    ar012 = ARIMA(paid ~ pdq(0,1,2)),
    ar010 = ARIMA(paid ~ pdq(0,1,0)),
    ar211 = ARIMA(paid ~ pdq(2,1,1)),
    ar311 = ARIMA(paid ~ pdq(3,1,1)),
    ar011010 = ARIMA(paid ~ pdq(0,1,1) + PDQ(0,1,0)),
    ar001010 = ARIMA(paid ~ pdq(0,1,0) + PDQ(0,1,0)),
    arm = ARIMA(paid)
  )

步骤3：调整拉伸窗口的初始大小

如果初始12个月窗口仍导致部分模型拟合失败，可将.init调至更大值（如24），确保有足够数据支撑复杂模型：

cn <- file %>%
  filter(location == "Central", as.Date(start_month) >= "2012-01-01") %>%
  filter_index(~ "2022-12-31") %>%
  stretch_tsibble(.init = 24, .step = 1)

完整修复后代码示例 #

library(fpp3)

# 数据处理
file <- file %>% 
  select(location, start_month, paid) %>%
  as_tsibble(index = start_month, key = location)

# 调整拉伸窗口参数
cn <- file %>%
  filter(location == "Central", as.Date(start_month) >= "2012-01-01") %>%
  filter_index(~ "2022-12-31") %>%
  stretch_tsibble(.init = 24, .step = 1)

# 优化模型定义
fit <- cn %>%
  model(
    ar112 = ARIMA(paid ~ pdq(1,1,2)),
    ar110 = ARIMA(paid ~ pdq(1,1,0)),
    ar011 = ARIMA(paid ~ pdq(0,1,1)),
    ar012 = ARIMA(paid ~ pdq(0,1,2)),
    ar010 = ARIMA(paid ~ pdq(0,1,0)),
    ar211 = ARIMA(paid ~ pdq(2,1,1)),
    ar311 = ARIMA(paid ~ pdq(3,1,1)),
    ar011010 = ARIMA(paid ~ pdq(0,1,1) + PDQ(0,1,0)),
    ar001010 = ARIMA(paid ~ pdq(0,1,0) + PDQ(0,1,0)),
    arm = ARIMA(paid)
  )

# 匹配预测步长
fc <- fit %>%
  fabletools::forecast(h = 1)

# 计算准确率
accuracy(fit)  # 训练集
accuracy(fc, cn)  # 测试集

内容的提问来源于stack exchange，提问作者On_demand