예를 들어, 우리는 왕의 죽음에 우리의 ARIMA (0,1,1) 모델에 대한 예측 오류의 correlogram을 만들고, 입력하여 지연 1-20에 대한 Ljung-Box 테스트를 수행 할 수 있습니다 : 안녕하세요 Roopam, 나는 타임 시리즈 예측 주위에 내 지식을 구축하고, 싶습니다 사람들이 비즈니스 문제를 해결하는 동안 타임 시리즈 예측에 사용되어야하는 모델을 결정하는 방법을 이해 Hii Roopam 나는 당신이 간단한 단어로 복잡한 개념을 설명하는 방법을 사랑 해요. 당신의 기사는 전통적인 저자가 쓴 지루한 책을 읽는 것과 같지 않습니다. 당신은 예측 및 예측에 사용되는 XGBoost (eXtreme 그라데이션 증폭) 라이브러리에 대한 자습서를 확인하시기 바랍니다 수 있습니다. 🙂 R에서 1 단계와 3을 실행하는 방법을 알려주시겠습니까? 즉, 내가 시작에서 사용해야 무엇,시계열 ts() 함수의 끝 매개 변수는 CSV 파일에서 다음 60 일 동안 예측하고 결과 CSV의 다음 인덱스에서 csv 파일을 덮어 쓰고 모든 상점에 대해 이를 반복 할 수 있도록. 긴 설명을 위해 죄송하지만 난 그냥 R 프로그래밍에 약한 그래서 예측, 예측을 학습하기 시작했다. 경우에 따라 체크아웃된 자전거 의 수는 당일 100대 이하로 떨어졌고 다음날에는 4,000대 이상으로 증가했습니다. 통계 요약을 왜곡하여 모델을 편향시킬 수 있는 것으로 의심되는 이상값입니다. R은 예측 패키지의 일부로 tsclean() 등 타임시리즈 이상값을 제거하는 편리한 방법을 제공합니다. tsclean()은 직렬 스무딩 및 분해를 사용하여 이상값을 식별하고 대체합니다. 자동 회귀(AR(p)) 구성 요소는 시리즈 Y의 회귀 방정식에서 과거 값의 사용을 나타냅니다. 자동 회귀 매개변수 p는 모델에 사용된 지연 수를 지정합니다. 예를 들어 AR(2) 또는 이와 상반되는 ARIMA(2,0,0)는 플롯에서 대략 일정한 수준(평균은 약 25인치에서 일정하게 유지됨)을 볼 수 있는 대로 표시됩니다. 시간계의 임의 변동은 시간이 지남에 따라 크기가 거의 일정해 보이므로 가산 모델을 사용하여 데이터를 설명하는 것이 적절할 수 있습니다.

따라서 간단한 지수 스무딩을 사용하여 예측을 만들 수 있습니다. 이 책에서는 R의 예측 패키지에 있는 시설을 사용합니다(fpp2 패키지를 로드할 때마다 자동으로 로드됨). 이 부록은 패키지의 기능 중 일부를 간략하게 요약합니다. 자세한 내용은 개별 기능에 대한 도움말 파일을 참조하고 사용 사례를 확인하십시오. 예측 모델을 개선할 수 없는지 확인하려면 예측 오류가 일반적으로 평균 0 및 상수 분산으로 분산되는지 확인하는 것이 좋습니다.