enter code here我正在做一个项目来分析和预测客户的销售和收入的时间序列。为了精确起见,我想测试各种模型--即Holt线性方法、Holt冬季方法、ARIMA、季节性ARIMA和ARIMAX (我也想在数据中考虑分类变量)。数据是每天的形式,因此我选择频率为7。我对ARIMA模型使用了auto.arima()函数,它给出了ARIMA(0,0,0)(2,1,0)7,这意味着什么?残差图如下所示
在此之后,我添加了假日作为外生变量。sparse.model.matrix(amount~holiday, data = train_
在这个阶段,我需要使用该模型进行一些预测(该模型是使用5年的数据进行训练的,我需要对下一年进行预测)。(df_test.Consumption, df_test.Forecast_ARIMAX)))
print("\nMAE of Auto ARIMAX:", mean_absolute_error(df_test.Consumption, df_test.Forecast_ARIMAX)) 上面给了我一个令人满意的模型。当我尝试使用以下内容进行预测时; model.
February 2015 121690 April 2015 41336 data <- c(5300,289329.8,596518,328457,459600,391356,406288,644339,251238,386466.5,459792,641724,399831,210759,12169