關鍵字: time series, arima, forecast # 簡介 ARIMA(Autoregressive Integrated Moving Average model)是時間序列分析中很基礎的 一種模型。使用上需要去調整模型的order # 建立模型 給定一個R 的時間序列 x, 已經包含x 的時間序列z: ``` x # 一個time series z <- ts(c(x,rep(NA,m),y), frequency=??, start=??) # z = c(x, ???, y) ``` 我們可以先依據x 來建立模型 ``` library(forecast) fit <- auto.arima(x) ``` # 預測 ``` forecast(fit, h = 5) # 預測之後五筆資料 ``` # 更新資料 如果又有新的觀測值(ex: z)，可以依照以下的策略來更新模型 ## 不更動模型 ``` fit.update <- Arima(z, model = fit) ``` ## 重新估計參數，但是不更改模型的order ``` fit.update <- Arima(z, order = fit$arma[c(1,6,2)]) ``` ## 完全重新估計 ``` fit.update <- auto.arima(z) ``` # 知識來源 - http://stats.stackexchange.com/users/159/rob-hyndman -- 歡迎加入 Taiwan R User Group : http://www.facebook.com/Tw.R.User 我們每週一都有在「政大公企中心(台北市金華街187號)西樓WB05」 舉辦Machine Learning / Data Mining Monday: 報名 http://www.meetup.com/Taiwan-R/ 聚會影片 https://www.youtube.com/user/TWuseRGroup --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 118.166.89.168