在R中，rep(1, n.ahead)的错误：'times'参数无效

Question

在R中，rep(1, n.ahead)的错误：'times'参数无效

3

我正在处理数据集，使用ARIMA进行预测。我接近最后一步，但是出现了错误，无法找到参考资料来确定我缺少什么。

每次执行以下命令时，我都会收到错误消息：

ForcastData<-forecast(fitModel,testData)

Error in rep(1, n.ahead) : invalid 'times' argument

我将简要介绍我的工作，其中我将数据集从数据框架更改为时间序列，并进行了所有测试以检查波动性，并检测数据是否静止。
然后，我得到了“DataAsStationary”这样干净好用的数据来应用ARIMA模型。但是，由于我想在训练数据上训练模型并在其他部分数据上进行测试，所以我将数据集分成70％的训练和30％的测试：

ind <-sample(2, nrow(DataAsStationary), replace = TRUE, prob = c(0.7,0.3))
traingData<- DataStationary1[ind==1,]
testData<- DataStationary1[ind==2,]

我使用了自动选择算法，发现Arima(2,0,3)是最佳模型。

autoARIMAFastTrain1<- auto.arima(traingData, trace= TRUE, ic ="aicc", approximation = FALSE, stepwise = FALSE)

我必须提到，我确实检查了残差是否不相关（白噪声），并对其进行了处理。

library(tseries)
library(astsa)
library(forecast)

然后我使用训练数据集来拟合模型：

fitModel <- Arima(traingData, order=c(2,0,3))
fitted(fitModel)

ForcastData<-forecast(fitModel,testData)
output <- cbind(testData, ForcastData)
accuracy(testData, ForcastData) 
plot(outp)

找不到关于以下错误的任何资源：

Error in rep(1, n.ahead) : invalid 'times' argument

有什么建议吗！！真的很需要。

我已经尝试了。

ForcastData<-forecast.Arima(fitModel,testData)

但是我遇到以下错误：

无法找到forecast.Arima！

你有任何想法为什么会出现这个错误吗？

- Reta

关于您遇到的 forecast.Arima 未找到错误，请参考此答案，该答案是针对 forecast 包的不同问题。 - duckmayr

2个回答

0

我成功地运行了

ForcastData <- forecast(object=testData, model=fitModel)

没有错误，现在想要绘制测试数据和预测数据，并检查我的模型是否准确：

所以我做了以下操作：

output <- cbind(testData, ForcastData) plot(output) 但是出现了错误：

Error in error(x, ...) : 
  improper length of one or more arguments to merge.xts

所以当我检查ForcastData时，它给出了输出：

> ForcastData
        Point Forecast     Lo 80    Hi 80     Lo 95    Hi 95
2293201    -20.2831770 -308.7474 268.1810 -461.4511 420.8847
2296801    -20.1765782 -346.6400 306.2868 -519.4593 479.1061
2300401    -18.3975657 -348.8556 312.0605 -523.7896 486.9945
2304001     -2.2829565 -332.7483 328.1824 -507.6860 503.1201
2307601      2.7023277 -327.8611 333.2658 -502.8509 508.2555
2311201      4.5777316 -328.6756 337.8311 -505.0893 514.2447
2314801      4.3198927 -331.4470 340.0868 -509.1913 517.8310
2318401      3.8277285 -332.7898 340.4453 -510.9844 518.6398
2322001      1.4364973 -335.2403 338.1133 -513.4662 516.3392
2325601     -0.4013561 -337.0807 336.2780 -515.3080 514.5053

我以为我会得到与我的测试数据相同的结果列表。我需要获取显示两条线实际数据（testData）和预期数据（ForcastData）的图表。我已经阅读了许多关于预测的文档，但是我找不到解释我想要做什么的东西。

- Reta

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

- duckmayr · Accepted Answer

您需要用不同的方式指定forecast()的参数;由于您没有发布示例数据，我将使用forecast包中的gold数据集进行演示:

library(forecast)
data(gold)
trainingData <- gold[1:554]
testData <- gold[555:1108]
fitModel <- Arima(trainingData, order=c(2, 0, 3))
ForcastData <- forecast(fitModel, testData)
# Error in rep(1, n.ahead) : invalid 'times' argument
ForcastData <- forecast(object=testData, model=fitModel) # no error
accuracy(f=ForcastData) # you only need to give ForcastData; see help(accuracy)
                    ME     RMSE      MAE        MPE      MAPE     MASE
Training set 0.4751156 6.951257 3.286692 0.09488746 0.7316996 1.000819
                   ACF1
Training set -0.2386402

您可能需要花些时间阅读预测包文档，了解各种函数的参数名称和顺序。

关于您遇到的“未找到 forecast.Arima”错误，您可以参考这个回答来处理。基本上，该函数不是供用户调用的，而是由forecast函数调用。

编辑：

根据您的评论，以下内容可能有所帮助：

library(forecast)
# Read in the data
full_data <- read.csv('~/Downloads/onevalue1.csv')
full_data$UnixHour <- as.Date(full_data$UnixHour)
# Split the sample
training_indices <- 1:floor(0.7 * nrow(full_data))
training_data <- full_data$Lane1Flow[training_indices]
test_data <- full_data$Lane1Flow[-training_indices]
# Use automatic model selection:
autoARIMAFastTrain1 <- auto.arima(training_data, trace=TRUE, ic ="aicc",
                                  approximation=FALSE, stepwise=FALSE)
# Fit the model on test data:
fit_model <- Arima(training_data, order=c(2, 0, 3))
# Do forecasting
forecast_data <- forecast(object=test_data, model=fit_model)
# And plot the forecasted values vs. the actual test data:
plot(x=test_data, y=forecast_data$fitted, xlab='Actual', ylab='Predicted')

# It could help more to look at the following plot:
plot(test_data, type='l', col=rgb(0, 0, 1, alpha=0.7),
     xlab='Time', ylab='Value', xaxt='n', ylim=c(0, max(forecast_data$fitted)))
ticks <- seq(from=1, to=length(test_data), by=floor(length(test_data)/4))
times <- full_data$UnixHour[-training_indices]
axis(1, lwd=0, lwd.ticks=1, at=ticks, labels=times[ticks])
lines(forecast_data$fitted, col=rgb(1, 0, 0, alpha=0.7))
legend('topright', legend=c('Actual', 'Predicted'), col=c('blue', 'red'),
       lty=1, bty='n')