Programim dhe zhvillim, javascript, python, php, html

Si të aplikoni transformimin eksponencial në parashikimet nga një objekt parashikimi në R

Unë kam bërë një model arima me auto.arima. Pastaj mund të marr një objekt parashikimi duke përdorur funksionin parashikimi.

Çështja është se unë kam aplikuar një transformim log në variabël në mënyrë që të reduktoj heteroskedasticitetin. Tani parashikimet janë në të njëjtën shkallë si regjistri. Unë dua të marr parashikimet në shkallën aktuale, duke marrë një transformim eksponencial, dhe më pas të vizatoj të njëjtin grafik që mund të marrim me një objekt parashikimi. Por unë nuk mund ta zbatoj këtë transformim në një objekt parashikimi.

arimaFit <- auto.arima(datats)
plot(exp(forecast(arimaFit, h = 100)))

Kjo më jep gabimin e mëposhtëm:

Error in exp(forecast(arimaFit)) : 
  non-numeric argument to mathematical function

Kam menduar të konvertoj objektin e parashikimit në një matricë, pastaj të marr eksponencialin dhe më pas ta transformoj përsëri matricën në një objekt parashikimi, por nuk mund të gjej një mënyrë për ta bërë këtë.

A ka ndonjë mënyrë për të kthyer të dhënat në eksponenciale për të marrë të njëjtën grafik me të dhënat origjinale?

r transformation forecast
07.10.2019

Përgjigjet:


1

Ju mund të shprehni fushat mesatare, të sipërme, të poshtme dhe x të objektit të parashikimit, pastaj të vizatoni objektin që rezulton.

Fusha x përmban serinë që keni log-transformuar dhe më pas keni ekzekutuar auto.arima(). Fusha mesatare përmban parashikimin (në shkallë log), ndërsa fushat e sipërme dhe të poshtme përmbajnë intervalet e besimit (gjithashtu në shkallë log).

ff <- forecast(arimaFit, h = 100)
ff$x <- exp(ff$x)
ff$mean <- exp(ff$mean)
ff$lower <- exp(ff$lower)
ff$upper <- exp(ff$upper)
plot(ff)

Përndryshe, mund të kaloni parametrin lambda=0 në funksionin auto.arima(), i cili do të regjistrojë-transformojë serinë tuaj origjinale të të dhënave dhe do të përshtatet, më pas funksioni i parashikimit do të transformohet përsëri në zvogëlim.

07.10.2019
Materiale të reja
Masterclass Coroutines: Kapitulli-3: Anulimi i korutinave dhe trajtimi i përjashtimeve.
Mirë se vini në udhëzuesin gjithëpërfshirës mbi Kotlin Coroutines! Në këtë seri artikujsh, unë do t'ju çoj në një udhëtim magjepsës, duke filluar nga bazat dhe gradualisht duke u thelluar në..
Faketojeni derisa ta arrini me të dhënat false
A e gjeni ndonjëherë veten duke ndërtuar një aplikacion të ri dhe keni nevojë për të dhëna testimi që duken dhe duken më realiste ose një grup i madh të dhënash për performancën e ngarkesës...
Si të përdorni kërkesën API në Python
Kërkesë API në GitHub për të marrë depot e përdoruesve duke përdorur Python. Në këtë artikull, unë shpjegoj procesin hap pas hapi për të trajtuar një kërkesë API për të marrë të dhëna nga..
Një udhëzues hap pas hapi për të zotëruar React
Në këtë artikull, do të mësoni se si të krijoni aplikacionin React, do të mësoni se si funksionon React dhe konceptet thelbësore që duhet të dini për të ndërtuar aplikacione React. Learning..
AI dhe Psikologjia — Pjesa 2
Në pjesën 2 të serisë sonë të AI dhe Psikologji ne diskutojmë se si makineritë mbledhin dhe përpunojnë të dhëna për të mësuar emocione dhe ndjenja të ndryshme në mendjen e njeriut, duke ndihmuar..
Esencialet e punës ditore të kodit tim VS
Shtesat e mia të preferuara - Git Graph 💹 Kjo shtesë është vërtet e mahnitshme, e përdor përpara se të filloj të punoj për të kontrolluar dy herë ndryshimet dhe degët më të fundit, mund të..
Pse Python? Zbulimi i fuqisë së gjithanshme të një gjiganti programues
Në peizazhin gjithnjë në zhvillim të gjuhëve të programimit, Python është shfaqur si një forcë dominuese. Rritja e tij meteorike nuk është rastësi. Joshja e Python qëndron në thjeshtësinë,..