объединение gpfortify autoplot с функциями пакета точек изменения (cpt.meanvar)

Question

Я использую функцию autoplot в пакете ggfortify для построения графика временных рядов с прогнозом и подгонкой, вот как я это делаю

library(forecast)
library(ggplot2)
library(ggfortify)
fc <- forecast(fdeaths)
autoplot(fc)
autoplot(fc) + geom_line(aes(y = fitted(fc)), col = "red")

Теперь я хочу показать период времени, который имеет сдвиг всреднее значение также показывает среднее до и после сдвига, все на графике выше

Я могу сделать это отдельно, используя пакет 'changepoint', синтаксис как ниже

library(changepoint)
autoplot(cpt.mean(fdeaths))

plot(cpt.mean(fdeaths),cpt.col='blue')

комбинированное представлениеиз всего этого можно получить очень сильное понимание, запрашивая помощь ] 1

Answer 1

Вот небольшой пример.Но он должен автоматизироваться с циклическим построением сегментов (geom_segment) и vline (geom_vline).

library(forecast)
library(ggplot2)
library(ggfortify)
library(changepoint)
library(lubridate)

fc <- forecast(fdeaths)
cp <- changepoint::cpt.mean(fdeaths)
plot(cp,cpt.col='blue')
# plot(x = 1:length(c(fdeaths)), y = c(fdeaths), type = "l")
Vikram <- data.frame(ts = c(fdeaths),
                     Obs = seq(lubridate::ymd('1974-01-01'),
                               lubridate::ymd('1979-12-01'), by = "1 month"),
                     fitted = fitted(fc))
Vikram_md <- changepoint::param.est(cp)[[1]] # mean
# cp@cpts  # change-points
cp_ <- cp@cpts

autoplot(fc) + geom_line(aes(y = fitted(fc)), col = "red") +
  geom_segment(x = Vikram$Obs[1], 
               y = Vikram_md[1], yend = Vikram_md[1],
               xend = Vikram$Obs[1] %m+% months(cp_[1]), 
               size = 1.2, col = "blue") +
  geom_segment(x = Vikram$Obs[1] %m+% months(cp_[1]), 
               y = Vikram_md[2], yend = Vikram_md[2],
               xend = Vikram$Obs[1] %m+% months(cp_[2]), 
               size = 1.2, col = "blue") +
  geom_vline(aes(xintercept = Vikram$Obs[1] %m+% months(cp_[2])),
             linetype = "dashed", colour = "red")