400家商店的每日水平预测

Question

我希望一次为400家商店预测下一年的预测。但我很困惑如何一次性预测。我能够一次预测一家商店，但多家商店正在成为一个问题。

每个商店都有一行条目。即。行包含商店编号和日期，从2012年3月到2014年12月。

使用循环会有帮助吗？或者有没有办法一起为所有商店建模？

数据： 行：Store_Number 专栏：历史每日数据为2年  对此有任何帮助会有所帮助。

目前我正在使用下面提到的代码：

tmdata<-read.csv(file.choose())
names(tmdata)
head(tmdata, n = 10)
str(tmdata)
library(forecast)
library(tseries)
store<-tmdata$Store_nbr_31
plot(store)
store<-ts(tmdata$Store_nbr_31,frequency = 7)
store<-msts(tmdata$Store_nbr_31, seasonal_periods = c(7,365.25))
store<-msts(tmdata$Store_nbr_31, seasonal.periods = c(7,365.25))
plot.ts(store)
auto.arima(store)
atm.fir<-tbats(store)
atm.fc <- forecast(fit)
atm.fc <- forecast(atm.fir)
plot(atm.fc)
View(atm.fc)
atm.prs.dc<-decompose(atm.prs)
atm.prs.dc<-decompose(store)

先谢谢。

Answer 1

在每个商店的循环中运行脚本肯定是一个解决方案。虽然没有实际数据，但很难提供更具体的解决方案。

如果您有400个数据文件，每个商店一个，那么您还应该自动选择数据文件，这样您就不必在每次循环迭代时手动选择文件。