关键字: time series, arima, forecast # 简介 ARIMA(Autoregressive Integrated Moving Average model)是时间序列分析中很基础的 一种模型。使用上需要去调整模型的order # 建立模型 给定一个R 的时间序列 x, 已经包含x 的时间序列z: ``` x # 一个time series z <- ts(c(x,rep(NA,m),y), frequency=??, start=??) # z = c(x, ???, y) ``` 我们可以先依据x 来建立模型 ``` library(forecast) fit <- auto.arima(x) ``` # 预测 ``` forecast(fit, h = 5) # 预测之後五笔资料 ``` # 更新资料 如果又有新的观测值(ex: z)，可以依照以下的策略来更新模型 ## 不更动模型 ``` fit.update <- Arima(z, model = fit) ``` ## 重新估计参数，但是不更改模型的order ``` fit.update <- Arima(z, order = fit$arma[c(1,6,2)]) ``` ## 完全重新估计 ``` fit.update <- auto.arima(z) ``` # 知识来源 - http://stats.stackexchange.com/users/159/rob-hyndman -- 欢迎加入 Taiwan R User Group : http://www.facebook.com/Tw.R.User 我们每周一都有在「政大公企中心(台北市金华街187号)西楼WB05」 举办Machine Learning / Data Mining Monday: 报名 http://www.meetup.com/Taiwan-R/ 聚会影片 https://www.youtube.com/user/TWuseRGroup --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 118.166.89.168