r语言 计算模型的rmse_R语言时间序列分析（七）：模型准确度估计

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言数据高效处理指南》（《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

模型做好之后，获得的预测值与实际值之间差异的大小，能够用来评价模型的效果。对于数值型因变量的评价方法有很多，包括MASE/MAPE/MAE/RMSE等，个人最常用的是RMSE。

对于每个指标的介绍，这里不做重复工作，可以参照：

1、AI科技大本营：避坑指南：如何选择适当的预测评价指标？| 程序员评测（中文）

2、3.4 Evaluating forecast accuracy | Forecasting: Principles and Practice（英文）

在fpp2包中，可以用accuracy函数来计算模型的准确度：

library(fpp2)

# 抽取目标序列
beer2 <- window(ausbeer,start=1992,end=c(2007,4))

# 分别利用平均值、简单方法、季节简单方法进行拟合，预测时长为10个时间单位
beerfit1 <- meanf(beer2,h=10)
beerfit2 <- rwf(beer2,h=10)
beerfit3 <- snaiv