预测时间序列的日期
predict day of time series
我开始使用 R 进行预测,我迷失在这个新世界中。
我有这个数据集(我的数据集的一部分):
date value
2016-12-27 85396
2016-12-28 78573
2016-12-29 91593
2016-12-30 196427
2017-01-02 430301
2017-01-03 409319
2017-01-04 330748
我想预测 2017-01-05 的 value
。
我尝试使用 xts
构建时间序列并使用 Arime/forecast
但输出是一行包含我不理解的值的行。
还有其他方法可以尝试预测 1 天吗?
你没有提供代码来重现你的分析,所以基本上没有人真正知道你做了什么或者你在看什么,这就是为什么这个问题被否决了,但是在没有复制粘贴的情况下回复:
Lines <- "date value
2016-12-27 85396
2016-12-28 78573
2016-12-29 91593
2016-12-30 196427
2017-01-02 430301
2017-01-03 409319
2017-01-04 330748"
DF <- read.table(text = Lines, header = TRUE)
library(forecast)
f <- forecast(DF$value)
plot(f)
给出下一个点的预测值 33075.9 以及指定的 80% 和 95% 置信区间:
> f
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
8 330755.9 182290.65 479221.1 103697.912 557813.8
9 330755.9 120804.85 540706.9 9663.502 651848.2
10 330755.9 73623.73 587888.0 -62493.797 724005.5
11 330755.9 33847.73 627664.0 -123325.943 784837.7
12 330755.9 -1195.86 662707.6 -176920.489 838432.2
13 330755.9 -32877.82 694389.5 -225373.861 886885.6
14 330755.9 -62012.47 723524.2 -269931.461 931443.2
15 330755.9 -89130.39 750642.1 -311404.750 972916.5
16 330755.9 -114600.14 776111.9 -350357.376 1011869.1
17 330755.9 -138690.07 800201.8 -387199.732 1048711.5
我开始使用 R 进行预测,我迷失在这个新世界中。
我有这个数据集(我的数据集的一部分):
date value
2016-12-27 85396
2016-12-28 78573
2016-12-29 91593
2016-12-30 196427
2017-01-02 430301
2017-01-03 409319
2017-01-04 330748
我想预测 2017-01-05 的 value
。
我尝试使用 xts
构建时间序列并使用 Arime/forecast
但输出是一行包含我不理解的值的行。
还有其他方法可以尝试预测 1 天吗?
你没有提供代码来重现你的分析,所以基本上没有人真正知道你做了什么或者你在看什么,这就是为什么这个问题被否决了,但是在没有复制粘贴的情况下回复:
Lines <- "date value
2016-12-27 85396
2016-12-28 78573
2016-12-29 91593
2016-12-30 196427
2017-01-02 430301
2017-01-03 409319
2017-01-04 330748"
DF <- read.table(text = Lines, header = TRUE)
library(forecast)
f <- forecast(DF$value)
plot(f)
给出下一个点的预测值 33075.9 以及指定的 80% 和 95% 置信区间:
> f
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
8 330755.9 182290.65 479221.1 103697.912 557813.8
9 330755.9 120804.85 540706.9 9663.502 651848.2
10 330755.9 73623.73 587888.0 -62493.797 724005.5
11 330755.9 33847.73 627664.0 -123325.943 784837.7
12 330755.9 -1195.86 662707.6 -176920.489 838432.2
13 330755.9 -32877.82 694389.5 -225373.861 886885.6
14 330755.9 -62012.47 723524.2 -269931.461 931443.2
15 330755.9 -89130.39 750642.1 -311404.750 972916.5
16 330755.9 -114600.14 776111.9 -350357.376 1011869.1
17 330755.9 -138690.07 800201.8 -387199.732 1048711.5