R语言smooth.spline模型predict()无法输出新数据预测值问题

• 时间序列转换参数错误：原始数据时间范围是2020-01至2022-05，转ts对象时错误设置start = c(2000,1)，直接导致时间索引整体偏移20年，Date列从原本的日期类型被强制转成ts内部数值，真实时间信息错乱。
• 预测函数传参错误：predict.smooth.spline的第二个位置参数为x，接收待预测的自变量取值，你传入的ibex.1=ibex11[270:273]是无效命名参数，会被函数直接忽略，因此仅返回原训练集的拟合值。
• 对象类型混用错误：在ts对象上直接调用tibble的add_row方法会丢失ts的时间属性，且新加入的Date类型值和ts对象内部的数值型时间格式不统一，无法匹配模型训练时的自变量格式。

不需要强制把数据转成ts格式，smooth.spline接收数值型向量输入即可，统一时间变量的数值格式是关键：

library(tidyverse)

# 步骤1：提取字段并统一时间格式
ibex$Date <- as.Date(ibex$Date)
ibex <- as_tibble(ibex)
ibex.1 <- ibex[,c("Date","Open")]
# 把日期转为月度匹配的数值型自变量：格式为「年 + (月-1)/12」，和月度频率对齐
ibex.1 <- ibex.1 %>%
  mutate(time_num = year(Date) + (month(Date)-1)/12)

# 步骤2：训练平滑样条模型
ibex.spl <- smooth.spline(x = ibex.1$time_num, y = ibex.1$Open, cv = TRUE)

# 步骤3：生成待预测日期，转成和训练集完全一致的数值格式
nuevafecha <- seq(as.Date("2022-06-01"), as.Date("2022-08-01"), by = "1 month")
new_data <- tibble(
  Date = nuevafecha,
  time_num = year(Date) + (month(Date)-1)/12
)

# 步骤4：正确传参执行预测
pred_res <- predict(ibex.spl, x = new_data$time_num)
# 合并结果
final_output <- new_data %>%
  mutate(Open_pred = pred_res$y)

运行后final_output里就是2022年6-8月的对应预测值。

平滑样条本质是插值类方法，训练集自变量范围外的外推结果稳定性弱于范围内的插值结果，仅适合做短期趋势参考。

内容的提问来源于stack exchange，提问作者David Aguinaga