我正在进行TS分析。这两个准确度有什么区别：
fit<-auto.arima(tsdata)
fcast<-forecast(fit,6)
accuracy(fcast) #### First Accuracy
fit<-auto.arima(tsdata)
fcast<-forecast(fit,6)
accuracy(fcast,actual values) #### Second Accuracy
当我没有像第一种情况那样指定精度函数中的实际值时，精度函数如何工作。
其次，计算准确度的正确方法是什么？
答案 0 :(得分：2)
在这个答案中，我假设您正在使用forecast包中的功能。
答案在accuracy的描述中：
返回预测准确度的汇总度量范围。如果提供x，则该函数基于x-f测量样本外（测试集）预测准确度。如果未提供x，则该函数仅基于f [＆＃34; x＆＃34;] - 拟合（f）生成预测的样本内（训练集）准确度度量。所有措施都在Hyndman和Koehler（2006）中定义和讨论。
在你的情况下x是函数的第二个参数。因此，简而言之accuracy(fcst)提供了基于训练集的预测误差的估计。
例如：假设您有12个月并预测6个未来。然后，如果您使用accuracy(fcst)，则会在12个月内（仅）获得模型的错误。
现在，让我们假设x =您预测的6个月的实际需求。并且您没有使用此数据来构建Arima模型。在这种情况下，accuracy(fcst, x)会为您提供测试集错误，这是使用此模型将来获得的更好的衡量标准（与列车集错误相比）。
最佳做法是使用测试集错误，因为此测量不太容易出现偏差（您最有可能获得＆＃34;更好＆＃34;训练集上的预测结果然后在＆＃34;隐藏处＆＃ 34;测试集，但这些结果将是一种过度拟合＆＃34;）。如果你有一个测试集，你应该使用测试集作为第二个参数。