R语言fpp3时间序列交叉验证报错 非CV方法正常如何解决

• 无参数调用stretch_tsibble()时，函数默认从序列第一个观测点开始生成滚动训练集，最靠前的几折训练集仅包含个位数到十几个月的样本，完全达不到模型拟合的最小数据量要求。
• 样本量不足直接触发所有警告和异常结果：
  • 带季节项的TSLM、季节朴素模型至少需要1个完整年度周期（12个月）的样本才能估计季节系数，样本不足时会出现秩缺陷、自动删除回归项的警告，拟合结果完全失真
  • ETS、ARIMA类模型需要至少2-3个完整周期（24-36个月）的样本才能稳定估计参数，样本量过小时直接抛出"数据不足无法建模"的错误，失败的拟合结果会严重干扰整体精度计算
  • 前几折的异常拟合结果拉偏了整体交叉验证精度，才会出现RMSE远高于固定训练集结果的情况
• 固定2022年2月为训练集截止点时，训练样本量足够覆盖所有模型的最小数据要求，因此无报错、结果稳定。

核心是给滚动交叉验证设置足够长的初始训练窗口，月度数据建议初始窗口设为5年（60个月），可同时设置滚动步长为1个月平衡计算量和评估可靠性，修正后的完整代码如下：

library(tidyverse)
library(fpp3)

# 数据加载与预处理
All_Employees <- read_csv('All_Employees.csv', col_select = c(Label, Value), show_col_types = FALSE)
All_Employees <- All_Employees %>%
  rename(Month = Label, Total_Employees = Value)
All_Employees <- All_Employees %>%
  mutate(Month = yearmonth(Month)) %>% 
  as_tsibble(index = Month)

# 生成交叉验证滚动数据集：初始训练窗口60个月，每次扩展1个月
All_Employees_cv <- All_Employees %>% 
  stretch_tsibble(.init = 60, .step = 1)

# 批量拟合模型
model_fits <- All_Employees_cv %>% 
  model(
    linear = TSLM(Total_Employees ~ trend() + season()),
    Exponential = TSLM(log(Total_Employees) ~ trend() + season()),
    Arima = ARIMA(Total_Employees ~ trend() + season()),
    Ets = ETS(Total_Employees),
    Mean = MEAN(Total_Employees),
    Naive = NAIVE(Total_Employees),
    SNaive = SNAIVE(Total_Employees),
    Drift = SNAIVE(Total_Employees ~ drift())
  )

# 计算3步预测精度
cv_accuracy <- model_fits %>%
  forecast(h = 3) %>% 
  accuracy(All_Employees) %>% 
  arrange(RMSE)

• 初始窗口长度不要低于24个月（2个完整年度周期），否则季节类模型的估计结果不具备参考性
• 若运行中仍有个别拟合警告，可使用fable包内置的容错拟合逻辑，自动跳过单折拟合失败的情况，不会中断整体计算
• 时间序列交叉验证的结果是多期滚动测试的平均误差，天然会比单次固定训练集划分的测试误差高，属于正常现象，两类结果的RMSE差异在30%以内均属合理范围
• 提示中的未使用连接警告是远程文件读取后的连接回收提示，不影响计算结果，无需额外处理

内容的提问来源于stack exchange，提问作者Russ Conte