MSTS和预测功能答案

【问题标题】：MSTS and forecast functionMSTS和预测功能
【发布时间】：2020-01-17 17:12:13
【问题描述】：

我的数据是每小时进入急诊室的患者人数，这意味着我每天有 24 个数据点，如下表所示。

str(data)
'data.frame': 21840 obs. of 2 variables:
$ Date: POSIXct, format: "2017-05-01 00:00:00" "2017-05-01 01:00:00" ...
$ Freq: int 3 2 2 0 0 0 0 2 4 7 ...

data
Date Freq
1 2017-05-01 00:00:00 3
2 2017-05-01 01:00:00 2
3 2017-05-01 02:00:00 2
4 2017-05-01 03:00:00 0
5 2017-05-01 04:00:00 0
....

我正在尝试使用预测包提前一个月预测每小时进入单位的患者数量。

我在使用 msts 函数和预测时遇到了一些问题：

msts_cons<-msts(data$Freq, seasonal.periods = c(24,168)) -> 我的第一个问题是关于季节性的：这些是否正确？第一个对应于每日季节性，第二个对应于每周模式。是否有查找其他季节性的功能？另外，如果我的数据是每小时的，我如何指示正确的开始 (2017-05-01 00:00:00) 和结束日期 (2019-31-31 23:00:00)？

accuracy(fmcast,teste$Freq)
ME RMSE MAE MPE MAPE MASE ACF1
Training set 0.007965302 2.468848 1.840179 NaN Inf 0.6851999 0.0009135862
Test set 0.226633926 2.622561 1.940317 -Inf Inf 0.7224869 NA

当我对我的数据运行自动预测时，MAPE 是不定式的，这是因为我的一些真实值是 0，对吧？

同样在预测函数中，值 h 是我想要的预测数量，对吗？所以要预测一个月的每小时条目，我需要h=720？

提前致谢。

【问题讨论】：

那么如何在 msts 中定义正确的开始日期/小时和结束日期？

标签： r time-series forecasting

【解决方案1】：

是的，这些季节性周期对于每小时数据是正确的。但是您可能最好使用fable 包，它在处理每小时数据方面比forecast 包要好得多。 fable 中使用的底层数据结构是tsibble。请参阅 https://cran.rstudio.com/web/packages/tsibble/vignettes/intro-tsibble.html 以获取每小时数据的示例，例如 tsibble。
MAPE 是一个百分比错误。当分母为零时，您将得到Inf。当特定小时内有零个患者时，这将发生在您的情况下。

【讨论】：

要将此 data.frame 转换为 tsibble 我使用：dados = as_tsibble(data, index = Date) > dados # A tsibble: 23,400 x 4 [1h] <UTC> Date Freq <dttm> <int> 1 2017-05-01 00:00:00 3 2 2017-05-01 01:00:00 2 3 2017-05-01 02:00:00 2 但是当我尝试书中fit <- dados %>% model(Freq ~TSLM()) 中的示例时，模型为空：> fit1 # A mable: 1 x 1 TSLM(Demand ~ trend()) <model> 1 <TSLM> 我认为问题在于缺失键入“dados”。在这种情况下，关键是什么？提前谢谢你。
请将此作为一个不同的问题提出，并提供一个可重复的示例。