前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R中时间序列分析-趋势预测ARIMA

R中时间序列分析-趋势预测ARIMA

作者头像
Erin
发布2018-01-09 10:56:43
1.6K0
发布2018-01-09 10:56:43
举报
文章被收录于专栏:大数据风控大数据风控

时间序列预测(time series forecasting)

ARIMA模型(Autoregressive Integrated Moving Average Model) ARIMA模型,将非平稳时间序列转化为平稳时间序列,然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。

install.packages(“forecast”) 拟合曲线的方法 auto.arima(ts) forecast(arimaModel,h)

  • arimaModel ARIMA模型
  • h 需要预测的时间长度

代码实现:

代码语言:javascript
复制
#install.packages('forecast')
library(forecast)

data <- read.csv("data.csv", fileEncoding="UTF8")
data$均值 <- data$总销量/data$分店数

plot(data$均值, type='l')

freq <- spec.pgram(data$均值, taper=0, log='no', plot=FALSE);

start <- which(freq$spec==max(freq$spec))
frequency <- 1/freq$freq[which(freq$spec==max(freq$spec))]

meanTS <- ts(
  data$均值[start:length(data$均值)], 
  frequency=frequency
)

meanARIMA = auto.arima(meanTS)
meanARIMAForecast = forecast(meanARIMA, h=7);
meanARIMAForecast$mean
Time Series:
Start = 8.8 
End = 9.7 
Frequency = 6.66666666666667 
[1] 41.87608 44.42713 41.13537 46.31410 44.36805 43.63064 43.48562

plot(meanARIMAForecast)
这里写图片描述
这里写图片描述
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2017年07月25日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 时间序列预测(time series forecasting)
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档