如何调整Fable预测的.mean值并使autoplot显示修改结果？

问题核心：fable的autoplot()读取的是预测分布列（比如你的Turnover列），而非单独的.mean列。直接修改.mean只是更新了衍生计算值，并没有改变底层的分布对象，所以绘图不会变化。

解决方案1：更新预测分布列的参数 #

针对不同的分布类型（比如正态分布、泊松分布等），直接修改分布对象的参数，同步更新.mean列：

以正态分布为例，自定义lift_fc函数：

library(fpp3)
library(distributional)

lift_fc <- function(fable_obj, lift) {
  fable_obj %>%
    mutate(
      # 更新Turnover分布的均值为原均值乘以lift，保留原标准差
      Turnover = dist_normal(mean = .mean * lift, sd = sqrt(Turnover$variance)),
      # 同步更新.mean列
      .mean = .mean * lift
    )
}

如果你的预测分布是其他类型（比如dist_poisson），需要对应调整分布构造函数的参数，比如泊松分布只需修改lambda参数：

Turnover = dist_poisson(lambda = .mean * lift)

解决方案2：将分布转为点预测（丢失区间信息） #

如果不需要预测区间，只想基于修改后的.mean绘图，可以把分布列替换为点预测类型：

lift_fc <- function(fable_obj, lift) {
  fable_obj %>%
    mutate(
      .mean = .mean * lift,
      # 将分布列转为点预测
      Turnover = as_distribution(.mean, dist_type = "point")
    )
}

验证效果 #

修改后调用autoplot(level = NULL)就能看到翻倍后的预测曲线了：

cafe_fc %>% lift_fc(lift = 2) %>% autoplot(level = NULL)

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