BoxCox.lambda 不返回与寓言特征相同的结果

Question

我正在比较来自forecast 包的自动lambda 选择函数BoxCox.lambda 与fable 包自动lambda 选择features 的结果

如下所示，这两个函数返回的结果不同。此外，当我将BoxCox.lamda 应用于相同的数据，但一次应用于 ts 对象和一次应用于向量时，结果会有所不同。

有人可以解释我为什么会这样？

library(tidyverse)
library(tsibble)
library(lubridate)
library(fable)
library(tsibbledata)

library(forecast)


vic_cafe <- tsibbledata::aus_retail %>%
  filter(
    State == "Victoria",
    Industry == "Cafes, restaurants and catering services"
  ) %>%
  select(Month, Turnover)


lambda_fable <- vic_cafe %>% features(Turnover, guerrero) %>% pull(lambda_guerrero)
lambda_fable
#> [1] 0.1240828

lambda_forecast <- BoxCox.lambda(vic_cafe$Turnover, method = "guerrero")
lambda_forecast
#> [1] 0.02686482

lambda_forecast_ts <- BoxCox.lambda(as.ts(vic_cafe), method = "guerrero")
lambda_forecast_ts
#> [1] 0.1734189

Answer 1

feasts::guerrero() 函数使用所有可用数据，而 forecast::BoxCox.lambda() 忽略不完全符合年份的数据。

您的 vic_cafe 数据集从 4 月开始，因此 feasts 包将季节分组为 4 月至 3 月，但预测将使用 1 月至 12 月并删除数据的第一部分。

可以在here 找到更多讨论，我在文档中添加了对这些差异的提及：https://github.com/tidyverts/feasts/commit/830fe4095cf6231e7bb179519cddfeadd9cd7531