[英]R HoltWinters forecast package - avoiding overfitting data
我正在使用R中的HoltWinters预测包来生成每月呼叫量数据的预测。
它在大多数情况下运行良好,但有过度拟合数据的趋势,特别是如果有特殊时期,例如呼叫需求的阶跃变化。
在最近的一个例子中,中间集的阶跃变化为α,为0.94,beta为0,伽玛为0,这产生奇怪的预测。
Month Data
1 7082
2 6407
3 5479
4 5480
5 5896
6 6038
7 5686
8 6126
9 6280
10 6893
11 6028
12 5496
13 3569
14 3383
15 3718
16 3351
17 3340
18 3559
19 3722
20 3201
21 3494
22 2810
23 2611
24 2471
25 7756
26 6922
27 7593
28 6716
29 7278
30 7071
这是我一直在使用的R脚本
scandata <-read_csv("525-gash.csv");
pages <-scandata[,2];
myts <-ts(pages , start=c(2015, 1), frequency = 12)
myforecast <- HoltWinters (myts, seasonal ="additive",
optim.start = c(alpha = 0.2, beta = 0.1, gamma = 0.1));
myholt = predict(myforecast, 12 , prediction.interval = FALSE);
plot(myforecast,myholt);
相比之下,如果我将指数平滑参数设置为标准接受值 - alpha为0.2,beta为0.1,gamma为0.1,我得到了更好的预测。
我仍然想使用预测的自动拟合部分,但是想要围绕alpha,beta和gamma设置范围。
我一直试图对自动装配设置限制,使得alpha必须介于0.1和0.5之间,γ介于0.1和0.3之间,gamma介于0.1和0.3之间。
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/HoltWinters.html
看起来应该可以通过设置
optim.control = list()
功能,但我还没有找到成功设置alpha,beta和gamma限制的方法来实现这一功能。
有谁知道如何做到这一点?
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.