在 tidyverts package 中按鍵創建時間序列交叉驗證切片

Question

有沒有辦法使用 tidyverts package 按鍵創建時間序列交叉驗證集？ 我似乎無法正確處理。 以下是我嘗試的代表。

該示例涉及為預測創建時間序列交叉驗證（提前 1 步的切片）。 鍵變量有 2 個不同的值，我希望有一個包含兩個鍵的時間序列切片的 tsibble。 當我嘗試對兩個 tsibble 進行行綁定時，出現錯誤。

library(dplyr)
library(tibble)
library(tsibble)

# helper function
create_cv_slices <- function(data, forecast_horizon) {
  data %>%
    dplyr::slice(1:(nrow(data) - forecast_horizon)) %>%
    tsibble::stretch_tsibble(.init = nrow(data) - 2 * forecast_horizon, .step = 1)
}

# get data
raw_tsbl <- tibble::tribble(
  ~index,      ~key,    ~Revenue,     ~Claims,
  20160101, "series1",  11011836.1, 5386836.696,
  20160201, "series1", 11042641.16, 9967325.715,
  20160301, "series1", 11445687.52, 10947197.89,
  20160401, "series1", 11252943.11, 6980431.415,
  20160101, "series2",    12236155,    12526224,
  20160201, "series2",     8675364,     9812904,
  20160301, "series2",    10081130,     8423497,
  20160401, "series2",    14840111,     8079813
) %>%
  dplyr::mutate(index = tsibble::yearmonth(as.character(index))) %>%
  tsibble::as_tsibble(index = index, key = key)

keys <- unique(raw_tsbl$key)

# split & combine
tbl1 = raw_tsbl %>%
  dplyr::filter(key == keys[1]) %>%
  create_cv_slices(., forecast_horizon = 1) %>%
  tibble::as_tibble()

tbl2 = raw_tsbl %>%
  dplyr::filter(key == keys[2]) %>%
  create_cv_slices(., forecast_horizon = 1) %>%
  tibble::as_tibble()

dplyr::bind_rows(tbl1, tbl2) %>%
  tsibble::as_tsibble(index = index, key = key)
#> Error: A valid tsibble must have distinct rows identified by key and index.
#> Please use `duplicates()` to check the duplicated rows.

謝謝你。

Answer 1

似乎使用 bind_rows 來組合 tsibbles 是行不通的。 在as_tsibble function 中使用 bind_rows 並設置validate = FALSE可以創建一個 tsibble，但它會將 tsibble 顯示為每日系列而不是每月（應該是這樣）。 但是，使用具有相同參數設置的 rbind 會創建所需的 tsibble。

rbind(tbl1, tbl2) %>%
  tsibble::as_tsibble(index = index, key = c(key, .id), validate = F)

謝謝。

Answer 2

您可以在 tsibble 組上計算切片，而不是通過鍵手動拆分數據。 group_by_key()是一個方便的 function （具有更好的性能），相當於group_by(key) 。 n() function 是一個組感知 dplyr function ，它給出了當前組的觀察次數。

library(dplyr)
library(tibble)
library(tsibble)

# get data
raw_tsbl <- tibble::tribble(
  ~index,      ~key,    ~Revenue,     ~Claims,
  20160101, "series1",  11011836.1, 5386836.696,
  20160201, "series1", 11042641.16, 9967325.715,
  20160301, "series1", 11445687.52, 10947197.89,
  20160401, "series1", 11252943.11, 6980431.415,
  20160101, "series2",    12236155,    12526224,
  20160201, "series2",     8675364,     9812904,
  20160301, "series2",    10081130,     8423497,
  20160401, "series2",    14840111,     8079813
) %>%
  dplyr::mutate(index = tsibble::yearmonth(as.character(index))) %>%
  tsibble::as_tsibble(index = index, key = key)

forecast_horizon <- 1

raw_tsbl %>% 
  group_by_key() %>% 
  slice(1:(n() - forecast_horizon)) %>% 
  ungroup() %>% 
  stretch_tsibble(.init = 2, .step = 1)
#> # A tsibble: 10 x 5 [1M]
#> # Key:       .id, key [4]
#>       index key       Revenue    Claims   .id
#>       <mth> <chr>       <dbl>     <dbl> <int>
#>  1 2016 Jan series1 11011836.  5386837.     1
#>  2 2016 Feb series1 11042641.  9967326.     1
#>  3 2016 Jan series2 12236155  12526224      1
#>  4 2016 Feb series2  8675364   9812904      1
#>  5 2016 Jan series1 11011836.  5386837.     2
#>  6 2016 Feb series1 11042641.  9967326.     2
#>  7 2016 Mar series1 11445688. 10947198.     2
#>  8 2016 Jan series2 12236155  12526224      2
#>  9 2016 Feb series2  8675364   9812904      2
#> 10 2016 Mar series2 10081130   8423497      2

^{由代表 package (v0.3.0) 於 2020 年 5 月 8 日創建}

這段代碼的細微差別是.init設置為 2，而不是nrow(data)-2*forecast_horizon 。 對於此數據，它給出了相同的結果，但是每個鍵的觀察次數不會有所不同。 一旦 dplyr v1.0.0 發布，使用group_map()或bind_rows()類的工具將更容易使用拆分-應用-組合方法為每個鍵指定不同的 window 參數。