R时间序列模型之贝叶斯预测

这篇文章是关于nnetsauce 中单变量/多变量时间序列的贝叶斯预测。

对于采用的每个统计/机器学习（ML）模型， 都使用默认超参数。当然，进一步调整它们各自的超参数可能会获得更好的预测性能。

本文来自《数据黑客》，登录官网可阅读更多精彩资讯和文章。

1. 单变量时间序列

Nile数据集用作单变量时间序列。它包含了对1871年至1970年阿斯旺（原名阿苏安）尼罗河年流量的测量，其变化幅度为10 ^ 8 m ^ 3，1898年附近有明显的结构性变异。

library(datasets)
plot(Nile)

将数据集划分为训练/测试集：

X <- matrix(Nile, ncol=1)
index_train <- 1:floor(nrow(X)*0.8)
X_train <- matrix(X[index_train, ], ncol=1)
X_test <- matrix(X[-index_train, ], ncol=1)

nnetsauce的