使用R语言中的OPERA包预测未来值

Question

我一直在尝试理解Pierre Gaillard和Yannig Goude的“在线预测专家聚合”（Opera）。我阅读了Pierre Gaillard (http://pierre.gaillard.me/opera.html) 和Rob Hyndman (https://robjhyndman.com/hyndsight/forecast-combinations/) 的两篇文章。然而，我不明白如何预测未来的值。在Pierre的例子中，newY = Y表示测试数据集（Y <- data_test$Load），其中包含法国电力负载的每周观察值。如下所示，数据截至2009年12月。现在，我该如何预测2010年的值？这里的newY会是什么？

> tail(electric_load,5)
Time Day Month Year   NumWeek     Load    Load1      Temp     Temp1  IPI 

727  727  30    11 2009 0.9056604 63568.79 58254.42  7.220536 10.163839 91.3    88.4
728  728   7    12 2009 0.9245283 63977.13 63568.79  6.808929  7.220536 90.1    87.7
729  729  14    12 2009 0.9433962 78046.85 63977.13 -1.671280  6.808929 90.1    87.7
730  730  21    12 2009 0.9622642 66654.69 78046.85  4.034524 -1.671280 90.1    87.7
731  731  28    12 2009 0.9811321 60839.71 66654.69  7.434115  4.034524 90.1    87.7

我注意到通过将 MLpol0 的权重乘以 X，我们可以得到与在线预测值类似的输出。

> weights <- predict(MLpol0, X, Y, type='weights')
> w<-weights[,1]*X[,1]+weights[,2]*X[,2]+weights[,3]*X[,3]
> predValues <- predict(MLpol0, newexpert = X, newY = Y, type='response')


 Test_Data predValues  w
620  65564.29 65017.11 65017.11
621  62936.07 62096.12 62096.12
622  64953.83 64542.44 64542.44
623  61580.44 60447.63 60447.63
624  71075.52 67622.97 67622.97
625  75399.88 72388.64 72388.64
626  65410.13 67445.63 67445.63
627  65815.15 62623.64 62623.64
628  65251.90 64271.97 64271.97
629  63966.91 61803.77 61803.77
630  64893.42 65793.14 65793.14
631  69226.32 67153.80 67153.80

但我仍然不确定如何在没有newY的情况下生成权重。也许我们可以使用MLpol的最终系数来预测未来的值？

 (c<-summary(MLpol <- mixture(Y = Y, experts = X, model = "MLpol", loss.type = "square"))$coefficients)
[1] 0.585902 0.414098 0.000000

非常抱歉，我的问题可能完全不准确，可能没有任何意义，但我真的很感激任何帮助/见解。

- Alex Man

---

opera包结合了预测。如果你想要预测y+1，你需要来自不同预测者的x+1的预测。这些“不同”的预测师的组合（=集成）是通过MLpol算法完成的。$coefficients给出了权重向量，将其与x+1向量应用以获得y+1值。 - UDE_Student

Answer 1

歌剧包的理念与传统的批量机器学习方法有些不同，传统方法通常会有一个训练集和一个测试集。而歌剧包的目标是进行连续预测：

在每一轮 t=1,...,n， 1) 算法接收到专家对第 n+1 轮的预测， 2) 它通过结合专家的预测来进行这个时间步的预测， 3) 它通过使用新的输出更新用于组合的权重。

如果你有样本外的预测（即专家对未来值的预测，没有输出），你能做的最好的事情就是使用最后的系数，并通过使用它们来进行预测：

    newexperts %*% model$coefficients

在实践中，您可能还想使用平均系数。您也可以通过使用以下方式获得相同的结果。

    predict (object, # for exemple, mixture(model='FS', loss.type="square")
           newexperts = # matrix of out-of-sample experts predictions
           online = FALSE,
           type = 'response')

通过使用参数online = FALSE，模型不需要任何newY。它不会更新模型。当您提供newY时，算法不会作弊。它不使用第t轮的值来预测第t轮。 newY的值仅用于逐步更新系数，以便像顺序预测一样进行。

希望这可以帮助到您。

- Pierre