什么是可以使用的良好预测模型？

Question

以下是数据： 日期以月为单位，在我的示例中为24（24个月或2年）

l <- data.frame(date = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24)) k <- data.frame(cost = c(25,20,18,15,5,0,0,0,10,15,30,40,45,34,26,20,10,7,4,4,15,34,57,62)) m <- cbind(l,k) ggplot(m, aes(m$date,m$cost)) + geom_line()

图形输出：

什么是好的预测模型？我想如果我对所有最大值进行子集并且对所有最小值进行子集，则可以使用多项式回归。请参阅下面的图片以更好地了解。 （红色代表最大值，蓝色代表最小值，使用油漆解释点来创建线条）

另一种方式，我不知道它叫什么，但我认为他们用它来预测天气， 不确定获取下面蓝线的公式是什么样的。 （请看下面的图表以更好地理解）

什么是使蓝色拟合线预测以红色突出显示的点的合适公式？

Answer 1

这是为什么回归不适合使用此数据进行预测的示例。该模型为“ y = x *振幅* sin（pi *（x-中心）/宽度）^ 2 +偏移量”，而回归似乎可以很好地拟合较大数据的 some 设置x的值，我还看到x的较小值非常差。该模型不能很好地适合所有数据点或数据区域，并且对我来说似乎无用的预测目的，因为数据之外的推断非常糟糕。