预测多个时间序列模型，dplyr

Question

预测多个时间序列模型，dplyr

3

我希望使用dplyr来预测多个模型。这些模型是基于时间序列数据拟合的，因此每个小时都有自己的模型。即，hour = 1是一个模型，而hour = 18是另一个模型。

示例：

# Historical data - Basis for the models: 
df.h <- data.frame( 
  hour     = factor(rep(1:24, each = 100)),
  price    = runif(2400, min = -10, max = 125),
  wind     = runif(2400, min = 0, max = 2500),
  temp     = runif(2400, min = - 10, max = 25)  
)

# Forecasted data for wind and temp: 
df.f <- data.frame(
  hour     = factor(rep(1:24, each = 10)),
  wind     = runif(240, min = 0, max = 2500),
  temp     = runif(240, min = - 10, max = 25)  
)

我可以逐小时地安排每个模型，如下所示：

df.h.1 <- filter(df.h, hour == 1)

fit = Arima(df.h.1$price, xreg = df.h.1[, 3:4], order = c(1,1,0))

df.f.1 <- filter(df.f, hour == 1)
forecast.Arima(fit, xreg = df.f.1[ ,2:3])$mean

但如果能做到这样就太棒了：

fits <- group_by(df.h, hour) %>% 
  do(fit = Arima(df.h$price, order= c(1, 1, 0), xreg = df.h[, 3:4]))

df.f %>% group_by(hour)%>% do(forecast.Arima(fits, xreg = .[, 2:3])$mean)

- Thorst

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- shadow · Accepted Answer

如果您想将其打包成一个调用，则可以将数据绑定到单个data.frame中，然后在do调用中再次拆分它。

df <- rbind(df.h, data.frame(df.f, price=NA))
res <- group_by(df, hour) %>% do({
  hist <- .[!is.na(.$price), ]
  fore <- .[is.na(.$price), c('hour', 'wind', 'temp')]
  fit <- Arima(hist$price, xreg = hist[,3:4], order = c(1,1,0))
  data.frame(fore[], price=forecast.Arima(fit, xreg = fore[ ,2:3])$mean)
})
res