Fable прогноз данных, набор запросов и функций

Question

есть ли у кого-либо требования к набору данных для пакета fable в R, вот некоторые проблемы, которые у меня были, любой может дать любое предложение, будет приятно.моя версия R

платформа x86_64-w64-mingw32
arch x86_64
os mingw32
система x86_64, mingw32
статус
мажор 3
минор 5,2
год 2018
месяц 12
день 20
svn rev 75870
язык R
version.string R версия 3.5.2 (2018-12-20) псевдоним Eggshell Igloo

1. Могу ли я использовать нерегулярные данные времени для моделирования?скажем: у меня есть данные о ценах за 250 дней из 365 дней, но я все еще хочу использовать басню для моделирования ARIMA цены.это возможно?пример формы github использует tsibbledata :: ausretail не имеет отсутствующей даты в наборе данных

2. кажется, что похвальная грамматика fable pacakge изменена Я использовал пример с этой страницы 2018-12 этобыло хорошо https://github.com/mitchelloharawild/fable-tfeam-2018/blob/master/index.Rmd

но теперь я не могу использовать код.например, ETS использовал

fbl_cafe_fit <- vic_cafe %>%
  fable::ETS(Turnover ~ season("M"))

, теперь с этой страницы люди должны поставить дополнительную «модель» снаружи ??https://github.com/tidyverts/fable

    UKLungDeaths %>%
  model(ets = ETS(log(mdeaths))) %>%
  forecast

это новая грамматика или мое понимание неверно?

Кажется, у меня больше нет опции auto.arima () из басни ???мне нужно указать pdq () и PDQ ()

USAccDeaths%>% as_tsibble%>% модель (arima = ARIMA (log (значение) ~ pdq (0,1,1) + PDQ (0,1), 1)))

после того, как я подгоняю модель аримы, у меня также возникает проблема с использованием модели подбора, чтобы предсказать следующий период, когда эта грамматика больше не работает:

fbl_cafe_fc<- fbl_cafe_fit%>% прогноз (h = 24)

Answer 1

1. ARIMA требует регулярного временного ряда, однако он также будет работать при наличии пропущенных значений.Вы можете использовать tsibble::fill_gaps() для преобразования неявных пропущенных значений в явные.

2. Правильно, пакет fable в настоящее время является экспериментальным, и ожидается, что изменения интерфейса продолжатся.Эти изменения, вероятно, окажут относительно незначительное влияние на пользователей.Начиная с басни TFEAM, мы теперь поддерживаем несколько столбцов модели в mable.Чтобы достичь этого, теперь мы используем model() для указания моделей.Ранее, если вы хотели смоделировать data %>% ETS(log(y) ~ season("A")), теперь это data %>% model(ETS(log(y) ~ season("A")).

3. Автоматический выбор модели (например, forecast::auto.arima()) содержится в той же функции в басне (*)1016 *).При оценке модели, если правая сторона оставлена ​​пустой, модель будет выбрана автоматически из значений по умолчанию.Для моделей ARIMA, если вы использовали data %>% model(ARIMA(y)), соответствующая модель будет выбрана автоматически (аналогично forecast::auto.arima()).Теперь вы также можете оценить модель ARIMA (p, 0,0) (2,1, Q) [12], где p и Q неизвестны между 0 и 3. Для этого вы должны использовать data %>% model(ARIMA(y ~ pdq(0:3, 0, 0) + PDQ(2, 1, 0:3, period = 12))).

4. Этот код выглядит правильно и все еще должен работать.Возможно, вам нужно обновить пакеты.