返回列表

Question

我有下面的代码，我认为为给定范围的一组参数创建每个组合，然后为这些订单参数组合创建所有Arima模型，然后为所有模型创建预测，然后计算mape，（对于每个预测都是一个错误度量。

我很好奇我是否正确使用了lapply预测模型并计算每个模型的mape？我还没有那么多地使用过lapply。

对于最后一步，我想返回模型或订单参数，用最低的mape创建预测。如果有人可以建议如何做到这一点，或者指出一个类似的例子，我将不胜感激。

代码：

library("fpp")

## Partition Data
tsTrain <- window(hsales,end=1989.99)
tsTest <- window(hsales,start=1990)

## Set Ranges for parameters
pvar<-1:10
dvar<-1:2
qvar<-1:7

## Create all combinations of parameters
OrderGrid<-expand.grid(pvar,dvar,qvar)

## Create model for each combination of parameters
aFit <- function(a,b,c) {Arima(tsTrain, order=c(a,b,c),method="ML")}
ModFit <- do.call(Vectorize(aFit, SIMPLIFY=FALSE), unname(OrderGrid))

## Forecast Models
funcCast<-function(x){forecast(x,h=71)$mean}
ModCast<-lapply(ModFit,funcCast)

## Calculate Mape for Models
ModAcc<-function(x){accuracy(x,tsTest)[1,5]}
TestAcc<-lapply(ModCast,ModAcc)

Answer 1

以下是返回模型的方法

Acc_res<-do.call(rbind,TestAcc)
res_num <- which(Acc_res==min(Acc_res))
res_model<-ModFit[[res_num]]
class(res_model)

如果您需要，请告诉我。最后一行仅用于验证它确实是正确的类。