时间序列R具有重复项目，用于每日预测

Question

我想了解如何在R中绘制每日数据和使用预测的指导。

此数据中周日和周六购买量较低。并且某些工作日根本没有购买。所以它是分析的障碍。 我有大约300行具有各种项目名称，这些项目在列中重复，但具有不同的日期。 例如，我在星期一，星期三和星期天每周买3次肥皂。 这是示例数据表：

到目前为止我的麻烦是我花了很长时间用其他统计软件手动预测，所以我尝试从一开始就学习R，看看它如何节省时间。上表已放入R，date也已使用函数factor

从date转换为as.Date(data$Date)类

通常我使用指数平滑方法，因为购买仍然很低并且有时缺货，因此从历史数据中显示的模式不多。此分析的结果是我可以每天为购买物品提供预测，以便在我们何时需要物品时提供指示。

Answer 1

首先，请考虑添加一个可重复的示例，以获得更实质性的答案。查看标签为R的最热门问题，了解操作方法。

编辑：在创建ts之前，我认为这就是你想要的：

data.agg <- aggregate(data$purchase, by = list(data$date, data$item), FUN = sum)

如果您的数据还没有上课，那就是＆＃39; ts＆＃39;您可以使用ts()命令创建时间序列对象。来自?ts页面：

   ts(data = NA, start = 1, end = numeric(), frequency = 1,
   deltat = 1, ts.eps = getOption("ts.eps"), class = , names = )
as.ts(x, ...)

通常你可以使用HoltWinters函数进行指数平滑，如下所示：

data.hw <- HotlWinters(data)
data.predict <- predict(data.hw, n.ahead = x) # for x = units of time ahead you would like to predict

有关该功能的更多信息，请参阅?HoltWinters

聚合的可重复示例：

data <- data.frame(date = c(1, 2, 1, 2, 1, 1), item = c('b','b','a','a', 'a', 'a'), purchase = c(5,15, 23, 7, 12, 11))

data.agg <- aggregate(data$purchase, by = list(data$date, data$item), FUN = sum)

HoltWinters的可重复示例：

library(AER)
data("UKNonDurables")

nd <- window((log(UKNonDurables)), end = c(1970, 4))
tsp(nd)
hw <- HoltWinters(nd)
pred <- predict(hw, n.ahead = 35)
pred

plot(hw, pred, ylim = range(log(UKNonDurables)))
lines(log(UKNonDurables))