拟合模型

最新推荐文章于 2024-07-15 14:10:24 发布

weixin_34381687

最新推荐文章于 2024-07-15 14:10:24 发布

阅读量1.6k

点赞数

文章标签： python

原文链接：https://my.oschina.net/u/1785519/blog/1563594

版权

2019独角兽企业重金招聘Python工程师标准>>>

arima()

使用arima()函数拟合模型，表达式为

arima(ts,order=c(p,d,q)) #ts为序列，oredr后面为模型ARMIA(p,d,q)的值

拟合模型

注意这里指定了 d =1 即函数对序列做了一阶差分，因此可以将模型一个应用于原始序列即可，

> library(forecast)
> fit1 <- arima(Nile,order = c(0,1,1)) #传的是原始序列Nile，而非一阶差分后的dNile
> fit1

Call:
arima(x = Nile, order = c(0, 1, 1))

Coefficients:
          ma1
      -0.7329   #移动平均项的系数-0.73
s.e.   0.1143   

sigma^2 estimated as 20600:  log likelihood = -632.55,  aic = 1269.09 #AIC值

> accuracy(fit1)#获取准确性度量
                   ME     RMSE      MAE       MPE     MAPE     MASE      ACF1
Training set -11.9358 142.8071 112.1752 -3.574702 12.93594 0.841824 0.1153593

a、结果有模型的 AIC 值，有其他的模型可以做比较，AIC值越小越好

b、准确性度量可以帮助判断模型是否足够准确，本案例中，MAPE(平均绝对百分误差)为13%

拟合模型后，接下来需要对模型评价

转载于:https://my.oschina.net/u/1785519/blog/1563594