这是csv文件数据(我在下面使用的每日销售预测。csv)
TOTAL = c(198230142.89,129497034.78,186477295.56,118126147.20,
140245618.01,110070803.09,70209156.29,131272373.74,144268706.02,
21047760.22)
Monthname = c(1,2,3,4,5,6,7,8,9,10)
这是我到目前为止尝试过的代码
library(forecast)
#trying to predict next month sales(november)
shinyServer(function(input, output, session) {
mydat<- read.csv("daily sales predict.csv")
predictmodelling=data_frame(
Saledate=mydat$monthname,
total=mydat$TOTAL
)
tData <- ts(predictmodelling$total,
start=c(2018,1),
frequency=12)
Mod1 <- auto.arima(tData)
summary(Mod1)
print(Mod1)
# 2 period forecast
plot(forecast(Mod1, h=60))
})
答案 0 :(得分:0)
这是一个解决问题的方法,您可以使用(p,d,q)的其他值来获得更高的准确性。
Name Value
---- -----
Ar1 m
Ar2 d
Ar3 j
args {}