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 文宇肃然

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了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相关的知识,希望对你有一定的参考价值。

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)

以上是关于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的主要内容,如果未能解决你的问题,请参考以下文章

R语言实战应用精讲50篇(二十九)-数据可视化应用案例(附R语言代码)

R语言实战应用精讲50篇(二十八)-大量代码示例带你从基础到高级(附R语言代码)

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

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

R语言实战应用精讲50篇(二十八)-R语言时空数据分析实战案例-数据处理及可视化

R语言实战应用精讲50篇(二十八)-R语言时空数据分析实战案例-数据处理及可视化