前言
之前我们发布了一篇 “[R语言] 快速搭建网站——使用shiny实现聚类算法可视化” 的文章 参考这里,本文沿着同样的思路,去繁存简,更加简单实用的展示了时间序列预测的一般过程,算是用R语言实现数据分析可视化的另一个实例吧。
时间序列预测模型在现实中有着广泛的应用场景,某样商品的销售数据、某个景点的游客数量、某个网站的访问流量,都会随着时间呈现出一定的规则性。今天就让我们用两种比较流行的时间序列模型——三次指数平滑模型与自回归差分滑动平均模型,通过过往数据来预测未来吧。
导入数据
首先我们需要导入一份包含时间序列的数据,导入的数据会展示在左侧数据窗格中,此时网站会自动确定时间序列的周期性,从原始数据中发现增长趋势、周期趋势、随机趋势并战士在右下角的绘图窗格中。当然我们也可以自己调节周期,此时数据和视图都会随着我们输入的周期实时更新。
这里网站默认是导入一份包含了从1959年到1997年每个月份大气中二氧化碳含量的观测值,由于随着近代以来工业化的发展,大气中CO2的含量呈现出了明显的 季节性递增趋势,从图中可以看出无论我们怎样修改周期,该时间序列增长性总是呈现直线递增的趋势。了解更多大气CO2含量的信息,请查看这里:monthly-co2。