R语言实战应用精讲50篇（二十）-R语言时间序列预测模型：ARIMA vs KNN

Posted 2022-01-06 文宇肃然

1总述

要找到一个合适的模型来预测时间序列数据总是很困难。其中一个原因是，使用时间序列数据的模型往往会暴露出序列相关性。

在这篇文章中，我们将比较

• 经典的随机过程--自回归移动平均（ARIMA）。

• k近邻（KNN）回归（一种有监督的机器学习方法）

数据集a10

1991年至2008年澳大利亚每月的抗糖尿病药物补贴。

作为药品福利计划的一部分，澳大利亚健康保险委员会记录的属于ATC代码A10的产品的每月政府支出（百万美元）。

• 时间：1991年7月至2008年6月。

• 格式：ts类别的月度时间序列。

library(fpp2)
data("a10")

2平滑化和季节性分解时序数据

对时序数据建立复杂模型之前也需要对其进行描述和可视化。在本节中，我们将对时序进行平滑化以探究其总体趋势，并对其进行分解以观察时序中是否存在季节性因素。

• 简单观察数据是否存在季节性

# 可视化包
library(ggplot2)
# 拼图工具包
library(patchwork)
autoplot(a10) + ggseasonplot(a10)