R中使用支持向量机（SVM）的时间序列预测

Question

我尝试过搜索，但无法找到这个问题的具体答案。到目前为止，我能够意识到使用SVM可以实现时间序列预测。我已经阅读了一些论文/文章，他们表现相同，但没有提及任何代码，而是解释了算法（我并不太了解）。有些人用python做过。 我的问题在于：我有一个公司数据（比如单变量）从2010年到2017年。我需要在R中使用SVM预测2018年的销售额。 您是否愿意通过一个小例子简单地呈现和解释R代码来执行相同的操作？ 我非常感谢您的投入和努力！ 感谢!!!

Answer 1

让我们假设您有月度数据，例如从航空旅客数据集中获得。您不需要时间序列类型的数据，只需要包含时间步长和值的数据框。我们将它们命名为x和y。接下来，您将开发一个svm模型，并指定预测所需的时间步长。使用预测函数计算给定时间步长的预测。就是这样。然而，支持向量机通常不被认为是时间序列预测的最佳方法，特别是对于长序列数据。它可以很好地用于未来的一些观察，但我不会期望预测的好结果，例如。明年整体的每日数据（但显然取决于数据）。基于SVM的预测的简单R代码：

# prepare sample data in the form of data frame with cols of timesteps (x) and values (y)  
data(AirPassengers) 
monthly_data <- unclass(AirPassengers)
months <- 1:144
DF <- data.frame(months,monthly_data)
colnames(DF)<-c("x","y")

# train an svm model, consider further tuning parameters for lower MSE
svmodel <- svm(y ~ x,data=DF, type="eps-regression",kernel="radial",cost=10000, gamma=10)
#specify timesteps for forecast, eg for all series + 12 months ahead
nd <- 1:156
#compute forecast for all the 156 months 
prognoza <- predict(svmodel, newdata=data.frame(x=nd))

#plot the results
ylim <- c(min(DF$y), max(DF$y))
xlim <- c(min(nd),max(nd))
plot(DF$y, col="blue", ylim=ylim, xlim=xlim, type="l")
par(new=TRUE)
plot(prognoza, col="red", ylim=ylim, xlim=xlim)