![](/img/trans.png)
[英]Linear regression using time lagged predictors (independent variables) for forecasting purpose
[英]selecting lagged predictors with TSLM using AICc
我正在嘗試確定要包含在我的時間序列模型中的滯后預測變量。 所以我安裝了一個 TSLM 最多滯后 3 個自變量
lag_models <- data_train %>% model(
ts_lag_0 = TSLM(Y ~ X)
, ts_lag_1 = TSLM(Y ~ X + lag_X_01)
, ts_lag_2 = TSLM(Y ~ X + lag_X_01 + lag_X_02)
, ts_lag_3 = TSLM(Y ~ X + lag_X_01 + lag_X_02 + lag_X_03)
)
data_train 包含交叉驗證數據。
lag_models %>% glance()
運行上面的代碼,我得到了 AIC、AICc、BIC 等,通過 .id 的滯后預測模型。 我想知道是否可以在不使用 group_by() 和 summary() 的情況下僅通過模型按模型提取這些指標。
非常感謝。
使用交叉驗證時,您是在數據的每個折疊/切片上估計模型。 因此,您將收到每個估計模型的一組匯總統計信息(AIC、AICc、BIC 等)。 如果您要使用 group_by() 和 summarise() 將它們組合起來,您將組合來自具有不同響應數據的模型的摘要信息 - 不建議這樣做,因為當響應數據變化時,信息標准不具有可比性。
如果您想使用交叉驗證來比較每個模型的性能,您可以使用accuracy() 使用樣本外准確度度量。 可以在https://otexts.com/fpp3/tscv.html上找到使用寓言進行交叉驗證准確性評估的示例
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.