如何从modeltime递归集成模型中提取置信区间并完成校准

1. 拟合值、置信值、残差提取方式 #

• 测试集拟合值：运行modeltime_calibrate()得到校准表后，表中.calibration_data列嵌套的数据内，.prediction字段即为测试集上的拟合值，可通过unnest(.calibration_data)拆出使用，和实际值字段.actual一一对应
• 训练集拟合值：调用modeltime_forecast(new_data = train_data)，返回结果中的.value字段即为训练集上的拟合值
• 残差：校准完成后直接从.calibration_data的.residuals字段提取
• 置信值：调用modeltime_conf_interval(calibrated_mod)直接提取，也可以在调用modeltime_forecast()时同步生成

2. 递归集成模型校准失败解决方案 #

报错原因 #

你提供的代码中，测试集test_data是从已经完成滞后特征计算的m4_lags中提取的，而递归模型的预测逻辑会自动调用指定的transform函数生成所需滞后特征，提前生成的滞后特征会和递归逻辑产生冲突，最终导致校准失败。

修复后的核心代码调整 #

仅需要修改测试集的构造逻辑即可：

# 从无滞后特征的原始数据中提取测试集，不要使用m4_lags
test_data <- m4_extended %>%
  group_by(id) %>%
  slice_tail(n = 12) %>%
  ungroup()

# 其余代码保持不变，校准即可正常运行
calibrated_mod <- model_tbl %>%
  modeltime_calibrate(test_data, id = "id", quiet = FALSE)

额外注意事项 #

如果调整后仍有报错，将modeltime、modeltime.ensemble、timetk三个包升级到最新版本即可，旧版本对递归集成模型的校准适配存在已知缺陷。

内容的提问来源于stack exchange，提问作者LGe