r语言随机森林_随机森林+时间序列（R语言版）-优快云博客

本文介绍了如何使用R语言的随机森林进行时间序列预测，涉及数据预处理，如Box-Cox变换、差分和时间延迟嵌入。通过对德国税收数据的分析，展示了差分如何使非稳定时间序列变得稳定，以及如何利用log变换和随机森林模型进行预测，最终获得低误差的预测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考自： https://www.statworx.com/at/blog/time-series-forecasting-with-random-forest/

https://www.r-bloggers.com/tuning-random-forest-on-time-series-data/

知识点：

时间序列
随机森林
log变换
差分
Time delay embedding
评价指标

引言

With a few tricks, we can do time series forecasting with random forests. All it takes is a little pre- and (post-)processing. This blog post will show you how you can harness random forests for forecasting!

数据与数据处理

数据来源：German Statistical Office on the German wage and income tax revenue from 1999 - 2018(after tax redistribution). download link: here

数据预处理：

Statistical transformations (Box-Cox transform, log transform, etc.)
Detrending (differencing, STL, SEATS, etc.)
Time Delay Embedding (more on this below)
Feature engineering (lags, rolling statistics, Fourier terms, time dummies, etc.)

为了在随机森林上使用时间序列数据，我们做TDE，也就是：transform、difference and embed。

以下为R语言代码：

首先安装几个包：

install.packages("tidyverse")install.packages("tsibble")install.packages("randomForest")install.packages("forecast")

然后就是导入数据，并转换数据的格式

# load the packagessuppressP