Question

Rob Hyndman的书中，Rob描述了使用tsCV来评估auto.arima和ets返回的模型的预测准确性。

这更多是一个概念性问题，但我查看了tsCV的基础代码，并看到了以下内容：

   for (i in seq_len(n - 1)) {
        fc <- try(suppressWarnings(forecastfunction(subset(y, 
            start = ifelse(is.null(window), 1L, ifelse(i - window >= 
                0L, i - window + 1L, stop("small window"))), 
            end = i), h = h, ...)), silent = TRUE)
        if (!is.element("try-error", class(fc))) {
            e[i, ] <- y[i + (1:h)] - fc$mean
        }
    }

因此，这意味着对于预测交叉验证中的每个迭代，将估计一个新的ets / auto.arima。在我看来，我看不到它如何评估特定ARIMA或平滑模型的预测准确性，因为在时间（t-1）估算的模型将不同于在时间t选择的最终模型。有人可以解释为什么可以吗？

Answer 1

当尝试使用tsCV评估Arima（2,1,0）时，我面临类似的问题。在我的用例中，我有一些每日数据，并且在每个星期四我都希望预测下一周的数据。这意味着我只想每周训练一次Arima模型，这是不可能的（默认情况下，tsCV行为是不可能的（afaik，我在R中还是很新的...）。

幸运的是，tsCV允许您传递自定义函数。在其中，只有在星期四时，我才会训练新模型。如果是第二天，那么我将重用上一个星期四计算的模型。

也许您可以做一些类似于“修复”模型的事情？

为什么tsCV适合与ets / auto.arima等模型选择算法一起使用？

1 个答案: