Ниже я прогнозирую на следующие 30 дней. Если входные данные около 100 Кб, цикл for очень медленный (занимает около 2 часов). код, использующий цикл for, как показано ниже.
ns<-ncol(TS) # count number of columns to run the loop
output<-matrix(NA,nrow=30,ncol=ns)
for (i in 2:ns)
{
output[,i]<- forecast(auto.arima(TS[,i],allowmean = T,D=1),h=30 )$mean
i=i+1
}
Я попытался использовать lapply, как показано ниже, но время выполнения осталось прежним.
lapply(TS, function(x) forecast(auto.arima(x,allowmean = T,D=1),h=30 ))
Есть ли альтернативная функция / метод, который я могу использовать для улучшения производительности?