R：让我看一下时间序列预测包的准确性函数

如何解决R：让我看一下时间序列预测包的准确性函数

我打算为ARIMA预测方法找到均方根误差，并对其数据进行了模拟。我的方法是按照Rob J. Hyndman的方法使用R来完成的，如下所示：

1. 将时间序列数据分为train和test集。
2. 通过auto.arima()函数获得最佳模型
3. 对直到将来的测试数据集的火车数据集的预测。
4. 计算预测的RMSE。

MWE

library(forecast)
n=50
phi <- 0.6
set.seed(106100125)
ar1 <- arima.sim(n,model = list(ar=phi,order = c(1,0)),sd = 1)

train <- head(ar1,round(length(ar1) * 0.8)) # Train set

test <- tail(ar1,length(ar1) - length(train)) # Test set

nfuture <- forecast(train,model = auto.arima(train),h = length(test))      # makes the `forecast of test set to the future up to length of test set

RMSE <- accuracy(test,nfuture)      # RETURN RMSE

当我在 MWE 中使用RMSE时，我得到了0。但是当我打电话给test和nfuture时，我得到了

#[1]  1.0470537  0.3984545  0.5811056  2.2703350 -1.0060028 -1.6126040 -0.4329466  2.1523534  1.2588265  0.7308986

和

#[1] 0.55281252 0.42374990 0.32481894 0.24898494 0.19085556 0.14629738 0.11214200 0.08596072 0.06589186 0.05050839

分别显示两者并不相似，因此RMSE不能为0

请帮助我找出我做错了什么，并让我了解需要做些什么才能使其正确。

解决方法

使用您的代码，会产生以下错误：

RMSE <- accuracy(test,nfuture)
#> Error in xx - ff[1:n]: non-numeric argument to binary operator

您已切换了参数的顺序。如果您解决了该问题，则会得到以下结果

accuracy(nfuture,test)
#>                     ME      RMSE       MAE       MPE     MAPE      MASE
#> Training set 0.1068326 0.7035255 0.5543322 146.47245 194.2587 0.9426693
#> Test set     0.3185452 1.2399912 1.0237739  81.17983  82.4495 1.7409780
#>                   ACF1 Theil's U
#> Training set 0.1696878        NA
#> Test set     0.1777069 0.9050431

^{由reprex package（v0.3.0）于2020-09-24创建}