我正在使用R中的auto.arima函数,但我相信它没有搜索足够宽的状态空间,我不想逐步设置为false,因为我没有相应的资源,但是有没有让算法搜索更宽的空间(即p,d和q的更多值)的方法?
当前追踪:
mod_TV_rev<-auto.arima(ts.data[,9],xreg=cbind.data.frame(xreg,fourier(ts.data[,9],K = K) )
,approximation=F,parallel =T ,num.cores = 3,stepwise=T,trace=T,max.order = 12 ,stationary = T,seasonal=T)
ARIMA(2,0,2) with non-zero mean : Inf *
ARIMA(0,0,0) with non-zero mean : 1517.568
ARIMA(1,0,0) with non-zero mean : 1520.413
ARIMA(0,0,1) with non-zero mean : Inf *
ARIMA(0,0,0) with zero mean : 1512.052
ARIMA(1,0,0) with non-zero mean : 1520.413
ARIMA(0,0,1) with non-zero mean : Inf *
ARIMA(1,0,1) with non-zero mean : Inf *
Best model: ARIMA(0,0,0) with non-zero mean
答案 0 :(得分:1)
您还可以使用max.p
,max.P
等设置最大季节性和非季节性AR,MA和差异订单。 - 请参阅?auto.arima
。
但是,除非您设置stepwise=F
,否则auto.arima
将贪婪地进行并在无法再改进时终止 - 并注意您的跟踪显示它无法接近默认的最大订单。 (这些默认值很有意义。你非常很少考虑高于5的订单。)
替代方案是:
stepwise=FALSE
,您没有auto.arima
代码,使其在终止arima
auto.arima
不想超越第2阶段,它可能有充分的理由。您希望扩大搜索空间的理由是什么?答案 1 :(得分:0)
IEnumerator UpdatePath; {
仅在max.order =
时使用。但是,当stepwise = FALSE
stepwise = TRUE
,start.p
,start.P
和start.q
允许您在逐步搜索中设置起始值时,您可以使用这些参数。您还可以指定start.Q
和max.d
。