Построение AIC для промежуточного и оптимального ARIMA (p, d, q) - PullRequest
Новая
       10

Построение AIC для промежуточного и оптимального ARIMA (p, d, q)

0 голосов
/ 30 апреля 2018

После алгоритма оптимизации, использованного для определения наилучшей модели ARIMA (p, d, q), согласно минимизации AIC, я также получаю следующее:

head() * * 1004 

  d p q       AIC
1 0 0 0 -2671.744
2 0 0 1 -2686.691
3 0 0 2 -2685.053
4 0 0 3 -2683.094
5 0 0 4 -2688.464
6 0 0 5 -2686.973

tail() 

   d p q       AIC
31 0 5 0 -2685.982
32 0 5 1 -2684.926
33 0 5 2 -2683.003
34 0 5 3 -2683.654
35 0 5 4 -2686.069
36 0 5 5 -2698.871

где, да, везде d = 0.

Мне было интересно, знает ли кто-нибудь, как построить (3d поверхность или даже 2d) различные комбинации, чтобы визуализировать улучшения с точки зрения AIC. Может быть круто также выделить максимум AIC как-то.

1 Ответ

0 голосов
/ 30 апреля 2018

Не уверен, какой тип визуализации вы хотите, но тепловая карта кажется подходящей. Вот один в ggplot2. Я превратил p и q в факторы, и оттуда просто использовал geom_raster для изготовления плиток. 

library(tidyverse)

d1 <- "dummy d p q       AIC
1 0 0 0 -2671.744
2 0 0 1 -2686.691
3 0 0 2 -2685.053
4 0 0 3 -2683.094
5 0 0 4 -2688.464
6 0 0 5 -2686.973" %>% read_table2()

d2 <- "dummy    d p q       AIC
31 0 5 0 -2685.982
32 0 5 1 -2684.926
33 0 5 2 -2683.003
34 0 5 3 -2683.654
35 0 5 4 -2686.069
36 0 5 5 -2698.871" %>% read_table2()

df <- bind_rows(d1, d2) %>% 
    select(-dummy) %>%
    mutate_at(vars(p, q), as.factor)

ggplot(df, aes(x = p, y = q, fill = AIC)) +
    geom_raster() +
    scale_fill_viridis_c(option = "A")

Создано в 2018-04-30 пакетом Представление (v0.2.0).

...