Что может быть хорошей моделью для прогнозирования?

Question

Вот данные: Дата указана в месяцах, в моем примере 24 (24 месяца или 2 года)

l <- data.frame(date = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24)) k <- data.frame(cost = c(25,20,18,15,5,0,0,0,10,15,30,40,45,34,26,20,10,7,4,4,15,34,57,62)) m <- cbind(l,k) ggplot(m, aes(m$date,m$cost)) + geom_line()

График Вывод:

Что такое хорошая модель прогнозирования? Я думаю, что я могу использовать полиномиальную регрессию, если я подмножество всех максимальных значений и подмножество всех минимальных значений. см. изображение ниже для лучшего понимания. (Красный для максимума, синий для минимума, линии были созданы с использованием краски, чтобы объяснить точку)

Другой способ, я не знаю, как это называется, но я думаю, что они используют это, чтобы предсказать погоду, Не уверен, как будет выглядеть формула для получения синей линии ниже. (Посмотрите на график ниже для лучшего понимания)

Какова будет подходящая формула, чтобы получить синюю подгоночную линию, чтобы предсказать точки, выделенные красным ??

Answer 1

Вот пример того, почему регрессия не подходит для предсказания с использованием этих данных.Модель имеет вид: «y = x * амплитуда * sin (pi * (x - центр) / ширина) ^ 2 + смещение», и хотя регрессия, по-видимому, подходит для некоторого большого набора данныхзначения х, я также вижу меньшие значения х подходят крайне плохо.Эта модель не очень хорошо вписывается в данные во всех точках данных или областях данных и кажется мне бесполезной для целей прогнозирования, потому что экстраполяция вне данных очень плоха.