基于最低RMSE模型的分层时间序列未来观测预测方法咨询

解决方法 #

你已经完成了每个分层序列的最优模型筛选，后续只需通过refit()重拟合全量数据、再生成预测即可，不需要逐序列手动匹配模型，代码如下：

# 1. 将筛选得到的最优模型重拟合到完整的原始数据集
bestfits_full <- refit(bestfits, tourism)

# 2. 生成截至2020年第四季度的预测时间区间
# 若你的数据集实际截止季度不同，可调整n的取值，默认fpp3内置tourism数据集截止2016Q4，到2020Q4共需预测16个季度
future_period <- tourism %>%
  new_data(n = 16)

# 3. 生成最终预测结果
fc_final <- bestfits_full %>%
  forecast(new_data = future_period)

常见问题排查 #

如果此前调用refit()报错，可先执行class(bestfits)确认对象类型为mable，你提供的代码生成的bestfits结构是符合要求的，可直接传入refit()。该方法会自动为每个分层序列使用之前筛选出的最优模型结构拟合全量数据，无需重复做模型选择，运行效率远高于逐序列重新建模。

内容的提问来源于stack exchange，提问作者cap