具有重复项目的时间序列 R 用于每日预测

Question

我想要一个指导，不知道如何在 R 中绘制每日数据和使用预测。

在此数据中，周日和周六的购买量较低。并且有些工作日根本没有购买。所以它是分析的障碍。 我有大约 300 行不同的项目名称，这些项目在列内重复，但日期不同。 例如，我每周 3 次正好买了 1 块肥皂，分别在周一、周三和周日。 这是示例数据表：

到目前为止，我的麻烦是使用其他统计软件手动预测需要很长时间，所以我尝试从头开始学习 R，看看它如何节省时间。上表已放入R中，date也已通过as.Date(data$Date)函数从factor转换为date类

通常我使用指数平滑法，因为购买量仍然很低，有时甚至缺货，所以从历史数据中显示的模式并不多。这个分析的输出是我可以提供每天购买该物品的预测，以便在我们何时需要某件物品时给出指示。

Answer 1

首先请考虑添加一个可重现的示例以获得更实质性的答案。查看带有标签 R 的最受好评的问题以了解操作方法。

编辑：我认为这是您在创建 ts 之前想要的：

data.agg <- aggregate(data$purchase, by = list(data$date, data$item), FUN = sum)

如果您的数据还不是“ts”类，您可以使用ts() 命令创建一个时间序列对象。来自?ts 页面：

   ts(data = NA, start = 1, end = numeric(), frequency = 1,
   deltat = 1, ts.eps = getOption("ts.eps"), class = , names = )
as.ts(x, ...)

通常您可以使用 HoltWinters 函数进行指数平滑，如下所示：

data.hw <- HotlWinters(data)
data.predict <- predict(data.hw, n.ahead = x) # for x = units of time ahead you would like to predict

有关该功能的更多信息，另请参阅?HoltWinters

聚合的可重现示例：

data <- data.frame(date = c(1, 2, 1, 2, 1, 1), item = c('b','b','a','a', 'a', 'a'), purchase = c(5,15, 23, 7, 12, 11))

data.agg <- aggregate(data$purchase, by = list(data$date, data$item), FUN = sum)

HoltWinters 的可重现示例：

library(AER)
data("UKNonDurables")

nd <- window((log(UKNonDurables)), end = c(1970, 4))
tsp(nd)
hw <- HoltWinters(nd)
pred <- predict(hw, n.ahead = 35)
pred

plot(hw, pred, ylim = range(log(UKNonDurables)))
lines(log(UKNonDurables))