چگونه از تابع Arima در R استفاده می کنید؟

2024 نویسنده: Lynn Donovan | [email protected]. آخرین اصلاح شده: 2023-12-15 23:46

آریما () عملکرد در R از ترکیبی از تست های ریشه واحد، به حداقل رساندن AIC و MLE برای به دست آوردن یک استفاده می کند مدل ARIMA . تست KPSS است استفاده شده برای تعیین تعداد تفاوت (د) در الگوریتم هایندمن-خنداکار برای خودکار آریما مدل سازی سپس p، d و q با به حداقل رساندن AICc انتخاب می شوند.

علاوه بر این، Auto Arima در R چه می کند؟

خودکار ARIMA برای تعیین بهترین ترکیب پارامترها، مقادیر AIC و BIC تولید شده را در نظر می گیرد (همانطور که در کد می بینید). مقادیر AIC (معیار اطلاعات آکایک) و BIC (معیار اطلاعات بیزی) برآوردگرهایی برای مقایسه مدل ها هستند.

علاوه بر موارد فوق، مدل آریما را چگونه ارزیابی می کنید؟ 1. مدل ARIMA را ارزیابی کنید

1. مجموعه داده را به مجموعه های آموزشی و آزمایشی تقسیم کنید.
2. مراحل زمانی را در مجموعه داده آزمایشی طی کنید. یک مدل ARIMA را آموزش دهید. یک پیش بینی یک مرحله ای انجام دهید. پیش بینی فروشگاه؛ مشاهده واقعی را دریافت و ذخیره کنید.
3. محاسبه امتیاز خطا برای پیش بینی ها در مقایسه با مقادیر مورد انتظار.

به این ترتیب مدل آریما در R چیست؟

آریما (میانگین متحرک یکپارچه اتورگرسیو) یک تکنیک رایج است که برای برازش داده های سری زمانی و پیش بینی استفاده می شود. مراحل ساخت یک مدل ARIMA توضیح داده خواهد شد. در نهایت، یک تظاهرات با استفاده از آر ارائه خواهد شد.

AR و MA در آریما چیست؟

این AR قسمتی از آریما نشان می دهد که متغیر در حال تحول مورد نظر بر اساس مقادیر عقب مانده خود (یعنی قبلی) پسرفت می کند. این MA بخش نشان می دهد که خطای رگرسیون در واقع ترکیبی خطی از عبارت های خطا است که مقادیر آن به طور همزمان و در زمان های مختلف در گذشته رخ داده است.