在用于找出最佳ARIMA(p,d,q)模型的优化算法之后,根据AIC的最小化,我还得到以下结果:
head()
:
d p q AIC
1 0 0 0 -2671.744
2 0 0 1 -2686.691
3 0 0 2 -2685.053
4 0 0 3 -2683.094
5 0 0 4 -2688.464
6 0 0 5 -2686.973
tail()
:
d p q AIC
31 0 5 0 -2685.982
32 0 5 1 -2684.926
33 0 5 2 -2683.003
34 0 5 3 -2683.654
35 0 5 4 -2686.069
36 0 5 5 -2698.871
其中,是的,d = 0无处不在。
我想知道是否有人知道如何绘制(3d表面甚至2d)不同的组合,以便可视化AIC方面的改进。也可能很酷,以某种方式突出最大AIC。
答案 0 :(得分:0)
不确定您想要什么类型的可视化,但热图似乎是合适的。这是ggplot2
中的一个。我将p
和q
制作成因子,并从那里使用geom_raster
来制作图块。
library(tidyverse)
d1 <- "dummy d p q AIC
1 0 0 0 -2671.744
2 0 0 1 -2686.691
3 0 0 2 -2685.053
4 0 0 3 -2683.094
5 0 0 4 -2688.464
6 0 0 5 -2686.973" %>% read_table2()
d2 <- "dummy d p q AIC
31 0 5 0 -2685.982
32 0 5 1 -2684.926
33 0 5 2 -2683.003
34 0 5 3 -2683.654
35 0 5 4 -2686.069
36 0 5 5 -2698.871" %>% read_table2()
df <- bind_rows(d1, d2) %>%
select(-dummy) %>%
mutate_at(vars(p, q), as.factor)
ggplot(df, aes(x = p, y = q, fill = AIC)) +
geom_raster() +
scale_fill_viridis_c(option = "A")
由reprex package(v0.2.0)创建于2018-04-30。