r语言中trifit怎么用_【手把手教你】用R语言进行预测的基本过程-优快云博客

本文手把手教如何使用R语言进行时间序列预测，通过forecast包的wineind数据集展示了数据处理、建模和预测的过程。首先分析了数据的周期性，然后转换数据并建立线性回归模型，通过调整模型参数提高预测准确性。最终，通过预测和误差分析验证模型效果，平均百分误差率为7.73%。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原标题：【手把手教你】用R语言进行预测的基本过程

欢迎关注天善智能微信公众号，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区。对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入头条数据爱好者交流群，数据爱好者们都在这儿。

本例使用forecast包中自带的数据集wineind，它表示从1980年1月到1994年8月，由葡萄酒生产商销售的容量不到1L的澳大利亚酒的总量。这是典型的时间序列数据，进一步绘制得到下图。

葡萄酒销售量时间序列

从上图可以看出，该时间序列数据呈明显的周期性变化。

— 数据读入及处理

加载forecast包，使用自带数据集wineind。使用ACF函数查看wineind数据的自相关性，代码如下。

#读入数据

library(forecast)

acf(wineind,lag.max = 100)

得到如下图所示。

wineind数据的自相关图

图中圆点部分为自相关性比较明显的位置，可以初步使用近1、4、6、8、12期的数值建立指标，作为预测基础数据。另外，通过观察确定wineind的数据周期为一年，将1980年到1993年每年按月的曲线图放在一张图中，进一步观察，相应代码如下。

#观察曲线簇

2 len=

1993-

1980+

3 data

0=wineind[

12*len]

4 range

0=range(data

0)+c(-

100,

100)

5 plot(

12,

12,ylim=range

0,col=

'white', xlab=

"月份", ylab=

"销量")

for(i

:len)

7 {

8 points(

12,wineind[(

12*(i-

1)+

12*i)])

9 lines(

12,wineind[(

12*(i-

1)+

12*i)], lty=

10 }

相应图参见下图。

wineind数据与月份的关系图

由图可知，月份与销量线性关系明显，应该考虑进建模基础数据，用于预测。至此，需要将wineind的原始数据，处理成如下表所示格式，输出建模基础数据集。

表基础数据集属性配置表

数据转换的代码如下。

#对数据按指定格式进行转换

2 Month=

NULL

3 DstValue=

NULL

4 RecentVal1=

NULL

5 RecentVal4=

NULL

6 RecentVal6=

NULL

7 RecentVal8=

NULL

8 RecentVal12=

NULL

#替换掉太大或太小的值

10 wineind[wineind<

18000]=

18000

11 wineind[wineind>

38000]=

38000

for(

i in(12+1):(length(wineind)-1))13{

14 Month

15 DstValue

1])

16 RecentVal1

17 RecentVal4

3])

18 RecentVal6

5])

19 RecentVal8

7])

20 RecentVal12

11])

21 }

22 preData=data.frame(Month,DstValue,RecentVal1,RecentVal4,RecentVal6,

23 RecentVal8,RecentVal12)

24 head(preData)

##Month DstValue RecentVal1 RecentVal4 RecentVal6 RecentVal8 RecentVal12

## 12180001800022591237391922718000

## 23200081800026786211332289320016

## 34213542000829740225912373918000

## 45194982135418000267862113318019

## 56221251949818000297402259119227

## 67258172212520008180002678622893

#画出散点矩阵图

33 plot(preData)

相应图如下图所示。

— 建立模型

根据上一步输出的基础数据，提取150行作为训练数据，剩下的数据作为测试数据。数据分割及建模的代码如下。

#分离训练集与测试集 trainData=preData[

150,]

testData=preData[

151:

163,]

#建立模型 lm.fit

8+RecentVal12,data=trainData) summary(lm.fit)

## Call:

## lm(formula = DstValue ~ Month + RecentVal1 + RecentVal4 + RecentVal6 +

## RecentVal8 + RecentVal12, data = trainData)

## Residuals:

## Min 1Q Median 3Q Max

## -4806.5 -1549.1 -171.8 1368.7 6763.3

## Coefficients:

## Estimate Std. Error t value Pr(>|t|)

## (Intercept) 2.214e+03 1.987e+03 1.114 0.26714

## Month 3.855e+02 8.955e+01 4.305 3.08e-05 ***

## RecentVal1 -2.964e-03 3.354e-02 -0.088 0.92971

## RecentVal4 7.227e-02 3.567e-02 2.026 0.04463 *

## RecentVal6 -1.825e-02 3.759e-02 -0.486 0.62804

## RecentVal8 1.123e-01 3.903e-02 2.876 0.00464 **

## RecentVal12 6.701e-01 5.921e-02 11.316 < 2e-16 ***

## ---

## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

## Residual standard error: 1989 on 143 degrees of freedom

## Multiple R-squared: 0.848, Adjusted R-squared: 0.8416

## F-statistic: 133 on 6 and 143 DF, p-value: < 2.2e-16

可以看到，调整后的R平方达到0.84，作为模型来讲，基本可以使用。但是看下误差项(Intercept)的P值为0.26714，不显著。所以，目前的模型还需要进一步调整，使得误差项(Intercept)的P值低于0.05或0.01。另外，变量RecentVal1 和RecentVal6的P值都较大，明显不显著，这里考虑变量之间的相互影响，暂时保留。几个变量中，除了RecentVal12与目标变量呈现比较明显的线性关系，其他变量跟目标变量的线性关系并不明显。为了让模型拟合得更好，现在开始尝试非线性的方法。由于变量RecentVal1和RecentVal6对目标变量的影响不明显。这里主要考虑Month、RecentVal4、RecentVal8三个变量对目标变量的非线性影响。在所有的非线性方法中，多项式比较适合单个变量的衍生变换。因此，这里对Month、RecentVal4、RecentVal8三个变量使用多项式的方法，尝试最高次数为5的情况下，模型的拟合情况。

去掉P值较大的三个变量I(RecentVal4^3)、I(RecentVal4^4)、I(RecentVal4^5)后，再拟合一次模型，从拟合结果可知，所有系数的P值都小于0.05，影响明显，且拟合优度为0.86，可用于预测。lm.fit就是我们建立的用于时间序列预测的线性回归模型。

— 预测及误差分析

用lm.fit作为预测模型，对预测数据源testData进行预测。代码如下。

#对新数据进行预测 testData$pred=predict(lm.fit,testData)

#计算百分误差率 testData$diff=

abs(testData$DstValue-testData$pred)/testData$DstValue testData

## Month DstValue RecentVal1 RecentVal4 RecentVal6 RecentVal8 RecentVal12

## 15310284962272424735268051946325650

## 15411328572849629356252362435230923

## 15512371983285731234247352680537240

## 1561180003719822724293562523618000

## 1572227841800028496312342473519463

## 1583235652278432857227242935624352

## 1594263232356537198284963123426805

## 1605237792632318000328572272425236

## 1616275492377922784371982849624735

## 1627296602754923565180003285729356

## 1638233562966026323227843719831234

## pred diff

## 15325154.080.117276814

## 15431448.290.042874098

## 15537063.760.003608861

## 15618724.460.040247684

## 15720238.790.111710356

## 15824022.790.019426610

## 15925778.010.020704134

## 16024900.350.047157117

## 16124405.940.114089645

## 16230005.150.011636800

## 16330888.460.322506541 summary(testData)

## Month DstValue RecentVal1 RecentVal4

## Min. : 1.000 Min. :18000 Min. :18000 Min. :18000

## 1st Qu.: 3.5001st Qu.:234611st Qu.:231751st Qu.:23175

## Median : 6.000 Median :26323 Median :26323 Median :26323

## Mean : 6.273 Mean :26688 Mean :26630 Mean :27025

## 3rd Qu.: 9.0003rd Qu.:290783rd Qu.:290783rd Qu.:30295

## Max. :12.000 Max. :37198 Max. :37198 Max. :37198

## RecentVal6 RecentVal8 RecentVal12 pred

## Min. :18000 Min. :19463 Min. :18000 Min. :18724

## 1st Qu.:237601st Qu.:245441st Qu.:245441st Qu.:24214

## Median :26805 Median :26805 Median :25650 Median :25154

## Mean :27220 Mean :27496 Mean :26636 Mean :26603

## 3rd Qu.:302953rd Qu.:302953rd Qu.:301403rd Qu.:30447

## Max. :37198 Max. :37198 Max. :37240 Max. :37064

## diff

## Min. :0.003609

## 1st Qu.:0.020065

## Median :0.042874

## Mean :0.077385

## 3rd Qu.:0.112900

## Max. :0.322506

从统计结果中，可以看到，对预测数据集共11条记录进行预测，最小百分误差率为0.36%，最大百分误差率为32.25%，平均百分误差率为7.73%。预测结果还是很不错的，除了最后一条记录，预测值为30888.46，取整为30888与真实结果23356差别较大，根据笔者的经验，该月可能遇到什么特殊情况(如气象灾害导致葡萄收成不好等)，导致高估了葡萄酒的销量。当预测不准时，不见得都是模型的问题，有可能是数据的问题，这时需要从数据中去发现问题，并进一步解决问题，预测的目的就是为了改变。有兴趣的读者，还可以使用纵横两年的数据关系，构建指标体系，有望对模型进一步优化。

——节选自《R语言预测实战》已获得作者授权

转载请保留以下内容：

本文来源自天善社区datakong老师的博客(公众号)。

原文链接： https://ask.hellobi.com/blog/datakong/7664返回搜狐，查看更多

责任编辑：