問題タブ [fable-r]

fable パッケージを使用して、階層的な時系列のセットに関する予測を取得しています。すべてのノードで同じ深さを持たない階層を指定したいと思います。

現実的な例:

• 時系列 B1 と B2 は、時系列 M1 に合計されます。
• 時系列 M1 と M2 は、階層の最上位にある時系列 T に合計されます。
• 時系列 M2 は一連の時系列の合計ではありません。それはそれ自身の時系列です。

tsibble次の形式で小さなランダム データ セットを作成します。

3 つの時系列のそれぞれについて個別の ARIMA モデルを推定し、集計および予測します。

結果が間違っているのではないかと心配する理由は、実際の集計がなくても、調整によって信頼区間が小さくなるという病的な例を作成できるからです。

病理学的例:

• 時系列 B3 は、T の子である M2 の子です。

前のデータセットをサブセット化して、この例のデータセットを作成します。

別々の ARIMA モデルを再び推定し、集計して予測します。

結果は次のとおりです。

実際の集計がない場合でも、分散は元の ARIMA モデルの 0.63 から 0.21 に減少します。もちろん、これは照合をまったく使用すべきではない例ですが、ここで分散が減少するという事実は、実際の例では照合が正しく機能しないことを心配させます。

B3 から M2 までの集約を避けるために、現実的な例でモデルを指定する方法はありますか? （B列のレベル「B3」の代わりにNAを使ってみましたが、うまくいきません。）

こちらで説明されているように、テスト セットで 1 ステップの予測を行うことは、予測期間が長くなるにつれて分散が必然的に増加することを回避する方法です。forecastそのセクションで言及されているのは、パッケージのトレーニング済みモデルを使用して、テスト セットで 1 ステップの予測を実行する方法です。fable新しいパッケージを使用して、テスト データのワンステップ予測を実行する同様の方法はありますか? たとえば、ここで説明されているnew_dataパラメーターはこれを処理する可能性がありますが、以下の と の両方の予測が同じであるため、よくわかりません。h = 24new_data = x_test

fableパッケージを使用して時系列予測を実行できる機能を作成しました。この関数のアイデアは、特定の日付/イベントの後に観測された値と予測された値を分析することでした。日付の列を生成するモック データ フレームを次に示します。

そして、これが私が作成した関数です。データ、イベントの日付、予測期間 (日)、最後にグラフのタイトルを指定します。

そして、1 回の実行でdf、イベントの日付、予測する日数 (3 週間)、次にタイトルを指定します。

この結果とプロットを出力します:-

私が作成したモック データが完全に理想的ではないことは認めますが、関数は実際のデータでうまく機能します。

これが私が達成したいことです。この出力が関数から出てくるようにしたいのですが、さらに、2 つの理由から、予測された期間を「ズームイン」する追加のグラフが必要です。

1. 解釈を容易にするために
2. イベント日の前の N 日間と後の N 日間 (N は予測期間、つまり 21 を表します)を表示できるようにしたいと考えています。

したがって、追加のグラフ (元の完全な予測と一緒に) は、おそらく 1 つの出力の「マルチプロット」スタイルで次のようになります:-

もう 1 つは、予測で使用されたモデルからの予測値に対して、テスト セットで観測された値を示す別の出力を出力することです。

これらは基本的に、関数に追加したい2つの追加事項ですが、これについてどうすればよいかわかりません。どんな助けでも大歓迎です:)。