如何将auto.arima(trace=TRUE)作为对象获取？
将auto.arima(trace=TRUE)作为对象获取的方法是使用赋值操作符将其赋给一个变量。例如：
arima_model <- auto.arima(trace=TRUE)这样，auto.arima(trace=TRUE)的结果将被存储在arima_model变量中，以便后续使用。
auto.arima是一个用于自动选择ARIMA模型的函数，它可以根据给定的时间序列数据自动选择最佳的ARIMA模型。参数trace=TRUE用于显示自动选择过程的详细输出，包括每个候选模型的评估结果。
应用场景：
- 时间序列分析：auto.arima常用于时间序列数据的建模和预测，可以帮助确定最佳的ARIMA模型。
- 经济预测：auto.arima可用于经济学领域的数据分析和预测，如股票价格预测、销售预测等。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）
- 腾讯云大数据平台（https://cloud.tencent.com/product/emr）
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/saf）
- 腾讯云云原生应用引擎（https://cloud.tencent.com/product/tek）
- 腾讯云元宇宙（https://cloud.tencent.com/product/mu）
相关·内容
关于这个时间序列分析，我有一个问题，就是月平均气温(Deg )。( F) 1920-1939年诺丁汉城堡：
当我跑的时候
auto.arima(x.t,trace=True)
它给了我"ARIMA(5,0,1)的非零均值“和"AIC=1198.42”作为最低的AIC。然而，当我手动输入arima模型时，我遇到了一个aic更低的模型。
arima(x = x.t, order = c(3, 1, 3))
aic = 1136.95。当我运行函数auto.arima(x.t,trace = TRUE,d=1),时，它给了我AIC为1221.413的ARIMA(2,1,2)。而
浏览 0提问于2018-05-03得票数 0
1回答
我有一个时间序列(tsibble )，我需要应用auto.arima函数来找到我的模型。该对象的日均频率为7年。
# A tsibble: 2,557 x 2 [1D]
bcUI Date
<dbl> <date>
1 13.6 2012-01-01
2 36.0 2012-01-02
3 33.7 2012-01-03
4 200. 2012-01-04
5 150. 2012-01-05
6 230. 2012-01-06
7 79.7 2012-01-07
8 65.7 2012-01-08
9
浏览 2提问于2021-08-24得票数 0
回答已采纳
例如：
data<-c(79160.56266,91759.73029,91186.47551,106353.8192,70346.46525,80279.15139,82611.60076,131392.7209,93798.99391,105944.7752,103913.1296,154530.6937,110157.4025,117416.0942,127423.4206,156751.9979,120097.8068,121307.7534,115021.1187,150657.8258,113711.5282,115353.1395,112701.9846,154319.1
浏览 2提问于2014-09-18得票数 3
我已经读过了
时间序列预测:将差异预测转换为差前水平
和
如何“消除”时间序列变量
不幸的是，所有这些都没有给出任何明确的答案--如何用差分方法(diff())来转换ARIMA中的预测，以达到平稳序列。
代码样本。
## read data and start from 1 jan 2014
dat<-read.csv("rev forecast 2014-23 dec 2015.csv")
val.ts <- ts(dat$Actual,start=c(2014,1,1),freq=365)
##Check how we can get stationary s
浏览 3提问于2015-12-29得票数 2
回答已采纳
1回答
data_test <- NULL
for(i in 1:ncol(dataset)) {
col <- ts(dataset[,i])
fit1 <- auto.arima(col, trace=TRUE))
fcast <- forecast(fit1,h=12, level=c(90,95))
data_test <- cbind(data_test, fcast$lower)
}
write.table(data_test, "Forecast.csv", sep=";", dec=",",
浏览 0提问于2013-09-18得票数 0
回答已采纳
希望你一切都好。
因为我不熟悉R，所以我不知道如何从时间序列输出中获得最后的数据。
下面是脚本：
fit_arima<-auto.arima(DATA$CLI,d=1,D=1,stepwise = FALSE,approximation = FALSE, trace = TRUE)
fcst<-forecast(fit_arima,h=36)
print(summary(fcst))
在此之后，我将这些值作为输出：
371 99.87327 96.30132 103.4452 94.41044 105.3361
372 99.87327 96.24796 1
浏览 3提问于2022-03-03得票数 0
我正在尝试将auto.arima函数中的arma模型的顺序输入到garchFit函数中。
我有一个df调用datatsr。
我用这种方式提取AR项的顺序：
auto.arima(datatsr[,1])$arma[1] :
[1] 4
和MA项的顺序：
auto.arima(datatsr[,1])$arma[2] :
[1] 3
因此，我有了arma(4,3)
然后，我尝试在garchFit公式中输入这些值，并从下面名为mmk的嵌入列表(59天用于预测天数60)中预测提前一步的值：
Garchfore <- function(datatsr, mmk) {
library(fGarch
浏览 1提问于2012-09-28得票数 0
回答已采纳
对于forecast包，我有一个时间序列，我希望?auto.arima自动选择订单，但我想强制季节性。函数的默认值允许将seasonal参数设置为TRUE，但这只允许季节性选项，而不是强制。
auto.arima(x, d=NA, D=NA, max.p=5, max.q=5,
max.P=2, max.Q=2, max.order=5, max.d=2, max.D=1,
start.p=2, start.q=2, start.P=1, start.Q=1,
stationary=FALSE, seasonal=TRUE,
ic=c("ai
浏览 1提问于2016-05-04得票数 9
回答已采纳
1回答
实际问题
我如何将对象序列化为ASCII，并从ASCII 重新取消它们的序列化，而不需要对文件连接(即内存中的ASCII )进行写入和读取？
背景
在无状态的客户机-服务器框架中，我希望在不缓存服务器端的情况下，进行某些信息持久交叉调用(序列化>>发送到客户端>>，从客户端>>获得序列化信息，不序列化)。
请注意，我的JSON对象/strong还包含其他未序列化的信息，因此与序列化信息混合在一起，这就是为什么在中解释的方法没有完全做到这一点。
现在，问题是，我想完全基于已经读取的JSON字符串来取消对象的序列化。可以这样说:来自“内存中的ASCII”，而不是
浏览 1提问于2015-04-28得票数 4
回答已采纳
1回答
预测误差与R中的精度函数
、、、
我想训练一个阿里玛模型，并希望得到一些预测。
所以我要这么做：
arima<-function(train, val, column)
{
model = auto.arima(train[[column]], trace=TRUE, stepwise=FALSE, approximation = FALSE)
acc=accuracy(model)
pred=forecast(model, length(val[[column]]))
acc=accuracy(pred, val[[column]])
return(acc)
}
然后我得到了这个错误：
accuracy.defaul
浏览 5提问于2022-02-02得票数 1
回答已采纳
2回答
在下面的“失败尝试”中，我试图向auto.arima传递一个参数值列表，如“工作正常”示例。在“失败尝试”中，auto.arima似乎忽略了除tsdat1之外的所有其他值。
Code:
Tlambda <- 0.9999588
##Working Correctly
fit <- auto.arima(tsdat1, lambda = Tlambda, stepwise=TRUE, approximation = TRUE )
##Failed attempt
Param_List<-c(tsdat1, lambda = Tlambda, stepwise=TRUE, a
浏览 5提问于2016-11-10得票数 0
回答已采纳
1回答
我有一些预测：：Arima语法问题。如果我知道季节性ARIMA在统计上是可以的，因为它是auto.arima的结果，那么如何将以下Arima函数修正为与auto.arima结果具有相同的顺序：
library(forecast)
set.seed(1)
y <- sin((1:40)) * 10 + 20 + rnorm(40, 0, 2)
my_ts <- ts(y, start = c(2000, 1), freq = 12)
fit_auto <- auto.arima(my_ts, max.order = 2)
plot(forecast(fit_auto, h
浏览 1提问于2018-03-15得票数 3
回答已采纳
library(forecast)
fit_m <- auto.arima(dataset1, p=0, d=1, max.d =2, max.p=2, max.q=2,
max.P=2, max.Q=2, max.D=2, start.p =0, start.q=0,
start.P=0, start.Q=0, stepwise=TRUE, trace=TRUE)
fit_m_final <- arima(dataset1, c(0, 1, 0), seasonal=list(order=c(0
浏览 6提问于2020-05-21得票数 0
回答已采纳
基本上，我们可以从auto.arima中提取最优AR顺序。
> auto.arima(ret.fin.chn,trace=TRUE,allowdrift=TRUE)
ARIMA(2,0,2) with non-zero mean : -14242.19
ARIMA(0,0,0) with non-zero mean : -14239.24
ARIMA(1,0,0) with non-zero mean : -14241.3
ARIMA(0,0,1) with non-zero mean : -14238.16
ARIMA(1,0,2) with non-zero m
浏览 2提问于2013-10-20得票数 3
回答已采纳
1回答
我正在使用R(版本3.5.3)中的预测包(版本8.5)，尝试使用宏伟的auto.arima()函数进行一些ARIMA预测。
当运行这个函数时，我总是收到一个错误代码，上面写着"Error in eval(expr，p)：object 'fitxreg‘not found“。我已经尝试过调试，但我不能找出问题的确切原因，但当我恢复到预测8.4时，这段代码可以正常工作。
arimaIssue <- function(fitxreg = NULL, forxreg = NULL){
library(forecast)
fit <- auto.arima(AirP
浏览 52提问于2019-03-27得票数 1
回答已采纳
我有一个名为"currentMystery“的变量，我将问题简化为这两个函数。不管怎么说，它第一次工作并追踪数组中的变量.但第二次经历是将其更改为事件type="soundComplete“bubbles=false cancelable=false eventPhase=2。
代码中有什么改变了，或者我做错了什么？非常感谢！
关于如何将其保持为与此处分配的变量相同的任何想法：
currentMystery = "" + Mystries[4] + "";
..。
public static var Mystries:Array = new Ar
浏览 1提问于2014-03-20得票数 0
回答已采纳
1回答
我在尝试应用我不理解的auto.arima函数时遇到错误。 创建时间序列数据： tsData = ts(TimeSeries_Data$`1`, frequency = 12, start = c(2019,1)) 时间序列数据： > print(tsData)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
2019 773 2965 1875 2286 2387 3260 3234 2378 2930 5115 3992 2693
2020 3134 6406 2789 2097 1716 4990
浏览 38提问于2021-07-06得票数 0
回答已采纳
1回答
我对R有点陌生，目前我正试图自动化R中函数参数的所有可能的迭代，我的意思是，我们有一个函数，它有五个参数，可以是TRUE或FALSE。我希望运行这些参数的所有可能组合，并将它们全部转储到几个不同的变量中。
给定参数的数量及其二进制性质(10个可能的参数，选择5)，这将为函数创建252个可能的参数组合。有什么方法可以使这个过程自动化吗？还是我无法在代码行中生成所有252种可能的组合？我正在使用auto.arima函数，并希望测试lambda、allowmean、allowdrift、seasonal和stationary的所有可能组合。以下是功能：
ARIMA1<-auto.arima(x
浏览 1提问于2016-06-07得票数 1
回答已采纳
我第一次在当地一家公司实习，他们给了我的任务是预测未来三个学期(18个月)特定库存产品的需求。首先，我在Excel中用MA方法做了，但没有得到最好的结果，所以现在我正在尝试R，我被下一个问题卡住了。我的数据是一个有15.000列的excel，第一行是产品名称，接下来的48行是每种产品从2017年1月到2020年12月的销售额(数字)。
我想要应用R中的auto.arima函数和其他预测方法/函数，并且我需要为每种方法的所有15000个产品一次执行此操作。我知道如何对1列进行编程，但我对R不是很熟练，因此尝试一次对所有15.000列进行编程时遇到了问题。此外，我需要一种方法来查找/显示每种方法的
浏览 0提问于2021-02-22得票数 0
1回答
基于R的预测
、、
预测一直是一个有争议的话题。让我们想想，我们有一个时间序列数据，我们希望预测10个月以上的数据。我们知道预测是另一个话题，预测是另一个话题，两者都有自己的风格。Y是我的完整数据，training_y是我的训练数据，测试是我的测试数据(这相当于我的预测水平，10次观测)。在R的预测中，让我们这样模拟：
my_model<-auto.arima(training_y,trace = TRUE)
my_predictions<-forecast(my_model,h=10)
autoplot(my_predictions)
accuracy(my_predictions,test)
因此
浏览 2提问于2022-07-09得票数 -1
1回答
R中的循环函数
、、、
我正在尝试对70个变量使用Auto Arima函数。为此，我需要创建时间序列70次。
dealer1 <- ts(tier2[,2], start=c(2015,8), end = c(2018,12), frequency=12)
dealer2 <- ts(tier2[,3], start=c(2015,8), end = c(2018,12), frequency=12)
dealer3 <- ts(tier2[,4], start=c(2015,8), end = c(2018,12), frequency=12)..and so on.
然后我需要对70个变量再次使
浏览 0提问于2019-04-25得票数 0
1回答
我尝试使用循环for()来预测我使用ARIMA的所有数据，但是我得到了一个错误。
请参见以下脚本：
library(forecast)
Exval<-c("CLI", "SPY", "USDEUR", "CPI", "CONSCONF", "FEDFUNDS", "HOUST", "UNRATE", "INDPRO", "VIX")
fcst<-c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
for(i
浏览 8提问于2022-03-07得票数 0
命令$output = Invoke-Expression "cfn-lint *.yaml"为我提供了一个$output数组
$output.GetType()
IsPublic IsSerial Name BaseType
-------- -------- ---- --------
True True Object[] System.Array
W
浏览 0提问于2021-05-27得票数 0
我经常使用arima.sim()函数来模拟ARIMA模型，然后通过auto.arima()函数发现所模拟的ARIMA模型与我在arima.sim()函数中指定的不同。
我进一步研究了如何通过使用相同的arima.sim()详细描述相同的ARIMA模型来模拟ARIMA模型，然后使用auto.arima() 对每个模型进行检验。
result <- matrix(NA_integer_, nrow = 10, ncol = 3)
colnames(result) <- c("p","d","q")
num<-60
set.seed(
浏览 1提问于2020-06-27得票数 1
回答已采纳
auto.arima()在我的系列中没有给我任何季节性的组件，尽管我可以看到有一个礼物。该函数给出了一个非季节性ARIMA阶(5,0,0)阶模型。所以，当我尝试用这个模型进行预测时，它只是给出了平均值。这个时间序列是澳大利亚墨尔本为期十年的日最低气温。
`
library(readr)
temp <- read_csv("~/Downloads/Melbourne Minimum Temp.csv",
col_types = cols(Date = col_date(format = "%m/%d/%y"),
浏览 6提问于2017-04-25得票数 1
回答已采纳
我正在做一个项目来预测商店的销售额来学习forecasting.Till现在我已经成功地为forecasting.But使用了简单的auto.Arima()函数来使这些预测更准确我可以利用协变量我已经定义了像假日，促销这样的协变量，它们影响商店的销售使用xreg运算符在这篇文章的帮助下:如何在R的auto.arima()中设置xreg参数？
但我的代码在以下代码行失败：
ARIMAfit <- auto.arima(saledata，xreg=covariates)
并给出错误提示：
公式中出错(model.frame.default=x~ xreg，drop.unused.levels
浏览 3提问于2015-12-13得票数 4
回答已采纳
2回答
下面是我用来创建会话来发送电子邮件的代码：
props.put("mail.smtp.auth", "true");
props.put("mail.smtp.starttls.enable","true");
props.put("mail.smtp.EnableSSL.enable","true");
logger.trace("1. emailFromAddress: " + emailFromAddress);
session = Session.getDefaultIns
浏览 1提问于2013-07-31得票数 2
1回答
基于日值的时间序列预测
、、、
我正在用auto.Arima进行单变量数据预测，但我的预测是不正确的。我正确地使用了所有的步骤，但点预测值是不正确的。请帮帮我。
这是我的数据：
s <- read.csv(url('https://ondemand.websol.barchart.com/getHistory.csv?apikey=c3122f072488a29c5279680b9a2cf88e&symbol=zs*1&type=dailyNearest&backAdjust=false&startDate=20100201'))
这是我的代码：
data <- s
浏览 1提问于2022-05-14得票数 0
回答已采纳
到目前为止，我正在使用Hyndman教授的方法来预测多个时间序列。但是当我有大量的t，它是相当慢的。
现在，我尝试使用apply()函数，如下所示
library(forecast)
fc_func <- function(y){
forecast(auto.arima(y),h=12)$mean
}
retail <- read.csv("https://robjhyndman.com/data/ausretail.csv",header=FALSE)
retail <- ts(retail[,-1],f=12,s=1982+3/12)
frc
浏览 2提问于2018-10-02得票数 3
回答已采纳
1回答
R JRI java集成
、、、
在这一点上我需要帮助:我安装了JRI，一切都正常。我可以开始使用rJava提供的示例，但当我尝试自己的代码时，这简直是一场灾难。代码如下：
re.eval(".libPaths('C:/Users/the_one/Documents/R/win-library/3.0');");
re.eval("library(forecast);");
re.eval("data<-scan('C:\\Users\\the_one\\Desktop\\RBRTEd1.csv');");
re.eval("plot
浏览 0提问于2013-11-21得票数 0
我正在尝试创建一个从函数auto.arima接收数据的表。
我在代码中使用mutate_if，但它不起作用。
这是我试过的。
函数Auto.arima
FunArima<- function(x){
arima <- auto.arima(x)
previsao <- forecast(arima, h=12)
plot(previsao)
previsao
}
FunArima(Base$a)
Mutate_IF
df <- Base [2:5]
df1 <- df %>%
mutate_if(is.numeric, functio
浏览 1提问于2019-02-22得票数 0
1回答
我已经成功地创建了我的第一个烧瓶应用程序，并将我的代码分成了一系列蓝图，因为随着时间的推移，我的代码库将大大增加。我现在正试图在我的应用程序中嵌入一个巧妙的仪表板(或者只是一个巧妙的可视显示)。
现在，我正在使用一个我从网络上学到的玩具例子。第二个代码块启动破折号，但我的目标是将第二个代码集成到我的主烧瓶应用程序中。暂时来说，我希望它能成为主应用程序中的一条路线(稍后我会把它解析成一个蓝图模块)，但无法从文档中找到一个教学示例，演示如何将它们集成在一起。
我正在寻找一些代码支持，他们可以展示如何将第二个代码无缝地作为一个路由集成到主应用程序中。
这个链接给了我一些想法去尝试，，但是我在那里提出
浏览 1提问于2020-05-18得票数 0
1回答
在执行auto.arima()之前，是否总是必须将csv文件转换为时间序列对象？
x<-read.csv(c://text.csv)
text<-ts(x,frequency=12, start=c(1946,1))
test<-auto.arima(text)
转换对于arima是强制的吗？
Also, is there any minimum number of past lagged terms required for performing effective forecasting through ARIMA?
浏览 1提问于2015-04-15得票数 0
1回答
我想学习ARMA预测，我正在尝试使用从比特币下载的比特币数据集进行预测。
我正在为下面的代码而挣扎。图书馆(Quandl)
library(forecast)
library(tseries)
library(shiny)
ui <- shinyUI(fluidPage(
titlePanel("Simple ARMA Bitcoin Forecasting"),
sidebarLayout(
sidebarPanel("Please choose the number of periods&
浏览 0提问于2017-10-18得票数 0
回答已采纳
1回答
我最近更新到了forecast()版本4.03，下面示例代码的最后一行(第4行)现在给出了一条错误消息(如底部所示)。请注意，第4行的forecast()将来自第3行的auto.arima()的输出提供给它(它工作时没有任何错误)。预测包中有什么变化吗？
此外，当使用以下代码将第3行中的zoo术语替换为ts术语时，错误消息将消失：
autarimod <- auto.arima(log(as.ts(zooinpdat))) ##New line 3
那么，forecast(auto.arima())组合是否不再接受zoo对象呢？如果是这样的话，有没有比as.ts()方法更好的处理方法
浏览 0提问于2013-04-17得票数 1
回答已采纳
1回答
data <-c(88, 84, 85, 85, 84, 85, 83, 85, 88, 89, 91, 99, 104, 112, 126, 138, 146,151, 150, 148, 147, 149, 143, 132, 131, 139, 147, 150, 148, 145, 140, 134, 131, 131, 129, 126, 126, 132, 137, 140, 142, 150, 159, 167, 170, 171, 172, 172, 174, 175, 172, 172, 174, 174, 169, 165, 156, 142, 131, 121,
浏览 3提问于2009-11-03得票数 3
回答已采纳
setwd("C:\\Users\\Documents\spreadsheet")
n <- dir(pattern = ".csv")
files<- NULL
for (i in n) { files[[i]] <- read.csv(i,sep = ";",header = T) }
#class(files)
[1] "list" 我将所有电子表格批量保存到列表中，如何将相同的函数应用于列表中所有电子表格的第一列？ library(forecast)
> map(files[,1],auto.
浏览 14提问于2020-01-08得票数 0
回答已采纳
1回答
我写这个问题是因为我不能(我试了很多次)，在剧情中，把序列和预测联系起来。 下面是我使用的代码。 AA1<-AA_1
str(AA1)#OUTPUT: Time-Series [1:60] from 2013 to 2018: 309 368 1602 6742 19396
Serie1<-Serie_1
str(Serie1) ##OUTPUT:Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 60 obs. of 7 variables:
X_Reg_Mod_Completo <- cbind(A=ts(Se
浏览 16提问于2019-06-06得票数 1
回答已采纳
1回答
如何将预测与线图相匹配？
、、、、
我处于预测模型的末尾(悉尼房价(只对列:日期和sellPrice)感兴趣)，但我得到了下面的错误信息；
**Code:**
Data_fit %>%
forecast(h=5) %>%
filter(.model=='search') %>%
autoplot(data3group_ts)
(data3group_ts: dataframe)
**错误消息：**
Error in UseMethod("filter") :
no applicable method for 'filter' applied t
浏览 5提问于2022-11-03得票数 1
回答已采纳
我想记录异常详细信息文件名、FileLineNo、方法名(异常发生的位置)使用StackTrace类可以正常工作，但有时我得到的文件行号和方法名为null如何在异常发生时始终跟踪异常详细信息
以下是我的代码
Public Shared Sub LogException(ByVal ex As Exception)
Dim trace As Diagnostics.StackTrace = New Diagnostics.StackTrace(ex, True)
LogInfo(String.Format("Error Message :{0} => Error In :{1}
浏览 1提问于2012-07-27得票数 0
我试图使用R包预测来拟合arima模型(函数Arima)，并自动选择合适的模型(使用函数auto.arima)。我首先用Arima函数估计了两个可能的模型：
tt.1 <- Arima(x, order=c(1,0,1), seasonal=list(order=c(0,1,1)),
include.drift=F)
tt.2 <- Arima(x, order=c(1,0,1), seasonal=list(order=c(0,1,0)),
include.drift=F)
然后，我使用函数auto.arima为相同的数据
浏览 1提问于2016-05-30得票数 4
回答已采纳
我在R中使用了auto.arima函数，但是我认为它搜索的状态空间不够宽，我不想将stepwise设置为false，因为我没有资源，但是有没有办法让算法搜索更大的空间(即更多的p，d和q的值)？
当前跟踪：
mod_TV_rev<-auto.arima(ts.data[,9],xreg=cbind.data.frame(xreg,fourier(ts.data[,9],K = K) )
,approximation=F,parallel =T ,num.cores = 3,stepwise=T,trace=T,max.order = 12 ,
浏览 0提问于2016-07-05得票数 1
2回答
我真的很茫然。我在堆栈溢出中发现了一些关于如何重定向函数输出的线程，但在我的例子中似乎没有一个线程在工作。
我将library(forecast)中的arima用于许多(生成的)时态，其中一些具有糟糕的属性，这会导致auto.arima()打印错误和警告。无论如何，我都无法捕捉到这个错误，无论是通过tryCatch还是capture.output() (这只能捕获正常的预测)。
目标是捕获下面的示例引发的错误消息(和警告)并对其作出反应。因此，基本上，在结束时，我将有错误和预测(尽管是错误的)，以某种可变的形式。
我感谢任何建议，以下是产生错误的最小示例：
library(forecast)
浏览 4提问于2015-12-22得票数 5
回答已采纳
我有以下时间序列，我想要拟合ARIMA过程：
时间序列是平稳的，因为零假设被拒绝了：
> adf.test(g_train)
Augmented Dickey-Fuller Test
data: g_train
Dickey-Fuller = -5.5232, Lag order = 17, p-value = 0.01
alternative hypothesis: stationary
当我用auto.arima训练ARIMA过程时，我得到了以下结果：
> auto.arima(g_train)
Series: g_train
ARIMA(0,0,0) w
浏览 1提问于2018-03-27得票数 0
1回答
我的R脚本有一个问题，因为当我尝试处理数据时，它会更改输入值。
items <- dataset
Date A B C D
1-2010 0 0 0 1
2-2010 0 0 1 2
3-2010 1 1 0 0
data_test <- NULL
for(i in 1:ncol(items)) {
col <- ts(items[,i])
fit1 <- auto.arima(col, trace=TRUE)
fcast <- forecast(fit
浏览 0提问于2013-09-11得票数 1
1回答
我正在创建一个执行类似行为的函数，但它将调用不同的预测算法。 modelBuild_auto_arima <- function(data, ...) {
forecast::auto.arima(data)
}
modelBuild_ets <- function(data, model, ...) {
forecast::ets(data, model = model)
}
... 最佳实践是将它作为单独的函数并单独调用它，还是使用"UseMethod“创建一个泛型函数。我试着用"UseMthod“进行创作 modelBuild
浏览 20提问于2019-03-11得票数 2
回答已采纳
我正在尝试构建一个基于单词列表的trie树，下面是节点类定义，self.next_trees用于节点的子节点。
class Node(object):
def __init__(self, charactor, tree_dict={}):
self.charactor = charactor
self.next_trees = tree_dict
self.is_end = False
并使用此函数构建树。
def build_tree(words):
root = Node(None)
for word in word
浏览 0提问于2018-04-05得票数 0
回答已采纳
我已经安装了预测v5.8软件包，过了一段时间，我将其更新为预测v6.1。我对我的小时数据应用了auto.arima()函数。但我在arima模型中有inf，在预测v6.1中有非零均值，而在v6.1中有a值，在止赎者v5.8中有值。
为什么会发生这种事？我只会提出一些结果的模型
预报v5.8
>auto.arima(ep_m,approximation = F,stepwise = F,trace = T)
ARIMA(0,0,0)(0,0,1)[24] with non-zero mean : 3693.726
ARIMA(0,0,2)(2,0,0)[24] with non-z
浏览 3提问于2016-12-03得票数 0
回答已采纳
我是新的R和发现这个网站非常有帮助，所以这里是我的第一个张贴的问题。我感谢您的帮助，并感谢您在这个网站上的智慧。
背景：从5年的每周销售数据开始，以非常强的年度季节性为基础，对未来的生产进行预测。确定起点，包括：
auto.fit <- auto.arima(arima.ts, stepwise=FALSE, parallel=TRUE, num.cores=6, trace=TRUE )
> ARIMA(2,1,2)(0,0,1)[52] with drift.
现在，我希望证明的准确性与可视化绘图的多个窗口的数据和比较的实际值。(这包括记录AIC值。)换句话说，函数按编程间
浏览 4提问于2013-08-08得票数 2
我正在使用forecast::auto.arima运行一个时间序列预测，并且我试图了解是否有一种方法可以从拟合的时间序列对象中提取分配给p、d、q (以及在季节上也适用的话)的值。示例：
fit <- auto.arima(mydata)
假设auto.arima()选择了ARIMA(1,1,0)(0,1,1)[12]模型。是否有方法从fit中提取p、d、q (以及P、D、Q)的值？最后，我希望自动分配六个变量如下：
p=1, d=1, q=0, P=0, D=1, Q=1
浏览 2提问于2016-06-24得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
