R中时间序列滚动交叉验证实现：tsCV与modeltime.resample对比

生成时间序列数据 #

我用以下R代码生成了时间序列数据：

library(forecast)
library(lubridate)

set.seed(123)

weeks <- rep(seq(as.Date("2010-01-01"), as.Date("2023-01-01"), by = "week"), each = 1)
counts <- rpois(length(weeks), lambda = 50)
df <- data.frame(Week = as.character(weeks), Count = counts)

# 将Week列转换为日期格式
df$Week <- as.Date(df$Week)

# 创建时间序列对象
ts_data <- ts(df$Count, frequency = 52, start = c(year(min(df$Week)), 1))

滚动交叉验证的尝试 #

我正在学习为ARIMA等时间序列模型实现滚动交叉验证，理解的流程是：按时间顺序排序数据，先用前60个数据点拟合模型并预测后续5个点、记录误差；再用前65个数据点拟合模型并预测后续5个点、记录误差，以此循环。

之前自行编写代码实现该流程难度较大，后来发现forecast包的tsCV函数，于是编写了如下代码：

# 注：我明确希望使用auto.arima()函数
far2 <- function(x, h){forecast(auto.arima(x), h=h)}
e <- tsCV(ts_data, far2, h=5)

疑问点 #

• 这段tsCV代码是否按照我预期的滚动窗口逻辑执行？
• 运行完成后，是否需要手动计算MAE、RMSE等误差指标？
• 是否更适合使用modeltime.resample工具来实现该功能？

内容的提问来源于stack exchange，提问作者stats_noob