在自创的r函数中以矩阵形式获得结果 [英] Obtaining results as a matrix in a self created r function

问题描述

下面的代码运行，但是不是返回（950数字值）我期望（想要）。在以下代码中， result 是72行3列的矩阵。 作为一个输出，我想要一个有72列和 长度（点） 行的矩阵。我尝试初始化 fcasts< - matrix（0，nrow = length（spots），ncol = 72），但代码不运行。

$ $ p $ y <-ts（rnorm（1000），start = 1850，frequency = 1）

库（预测）

＃寻找最佳模型
order.matrix< -matrix（0，nrow = 3，ncol = 6 * 2 * 6）
aic.vec< ;（0：5中的（p为0：5））中的数字（6 * 2 * 6）
k <-1

（a，b，a，a，a，a，a，a，a，a，a，a， q）））
k <-k + 1
}
ind < - order（aic.vec，decrease = F）
aic.vec < - aic.vec [ind ]
order.matrix< - order.matrix [，ind]
order.matrix< -t（order.matrix）
result< - cbind（order.matrix，aic.vec）


SlideFunction< - 函数（数据，窗口，步长）{

总计< - 长度（数据）
个点< - seq（from = 1 ，到=（总窗口），by = step）
fit < - vector（mode =list，length = 72）
＃fcasts < - matrix（0，nrow = length（spots） ，ncol = 72）
fcasts< - 数字（长度（点））
for（in 1：length（spots））{
fo r（j in 1:72）{

p < - result [j，1]
d < - result [j，2]
q < - result [j， 3]

注意我使用Arima（在预测包中）不是arima
fit [[j]]< - Arima（data [spots [i] :( spots [i] +窗口）]，order = c（p，d，q），method =CSS）

fcasts [i] < - forecast（fit [[j]]，h = step） $ mean
#I预期（想要）每个fcasts提前一步预测，即每个arima模型的商店价值。



$ return（fcasts）

SlideFunction（y，50,1）


有人可以帮我解决这个问题吗？

解决方案我想这就是你想要的：

pre $ SlideFunction< - function（data，window，step）{$ （总数窗口），由=步骤）
fcasts < - 矩阵（0，nrow =长度（数据）
个点<-seq（从= 1到= （$）
for（in 1：length（spots））{
for（j in 1:72）{
p < - result [j，1] $结果[j，3]
fit< - Arima（data [spots [i] :( spots [i] + window） ]，order = c（p，d，q），method =CSS）
fcasts [i，j] < - 预测（fit，h = step）$ mean
}
}
return（fcasts）
}

SlideFunction（y，50,1）


但完成需要相当长的时间，我没有耐心等待。我尝试使用较小的数据集：

$ $ p $ y <-ts（rnorm（100），start = 1850，frequency = 1）


和5而不是72，知道结果是正确的。

The following code runs, but does not return(950 numeric values) what I expected(want). In the following code result is a matrix of 72 rows and 3 columns. As an output, I would like to have a matrix with 72 columns and length(spots) rows. I tried initialising fcasts<- matrix(0, nrow=length(spots), ncol=72), but then code does not run.

y<- ts(rnorm(1000),start = 1850, frequency=1)

library(forecast)

#Searching for the best models
order.matrix<-matrix(0,nrow = 3, ncol = 6 * 2 * 6)
 aic.vec<- numeric(6 * 2 * 6)
 k<-1

 for(p in 0:5) for(d in 0:1) for(q in 0:5){
    order.matrix[,k]<-c(p,d,q)
    aic.vec[k]<- AIC(Arima(y, order=c(p,d,q)))
    k<-k+1
 }
 ind<- order(aic.vec,decreasing=F)
 aic.vec<- aic.vec[ind]
 order.matrix<- order.matrix[,ind]
order.matrix<- t(order.matrix)
result<- cbind(order.matrix,aic.vec)


SlideFunction<- function(data, window, step){

    total<- length(data)
    spots<- seq(from=1, to=(total-window), by=step)
    fit<- vector(mode="list",length=72)
    #fcasts<- matrix(0,nrow=length(spots),ncol=72)
    fcasts<- numeric(length(spots))
    for(i in 1:length(spots)){
    for(j in 1:72){

    p<- result[j,1]
    d<- result[j,2]
    q<- result[j,3]

   #Note I am using Arima(in forecast package) not arima
        fit[[j]]<- Arima(data[spots[i]:(spots[i]+window)], order=c(p,d,q), method="CSS")

        fcasts[i]<- forecast(fit[[j]], h=step)$mean 
#I expected(would like to have) 72 one-step ahead prediction for each fcasts i.e, store values for each arima model.

        }

    }
        return(fcasts)
}
SlideFunction(y,50,1)

Can someone please help me with this?

解决方案

I think this is what you want:

SlideFunction<- function(data, window, step) {
  total<- length(data)
  spots<- seq(from=1, to=(total-window), by=step)
  fcasts<- matrix(0,nrow=length(spots),ncol=72)
  for(i in 1:length(spots)) {
    for(j in 1:72){
      p<- result[j,1]
      d<- result[j,2]
      q<- result[j,3]
      fit <- Arima(data[spots[i]:(spots[i]+window)], order=c(p,d,q), method="CSS")
      fcasts[i, j] <- forecast(fit, h=step)$mean 
      }
    }
  return(fcasts)
  }

SlideFunction(y,50,1)

But it takes quite a long time to finish and I don't have patience to wait. I tried using smaller data set:

y<- ts(rnorm(100),start = 1850, frequency=1)

and 5 instead of 72, knowing that the result is correct.

这篇关于在自创的r函数中以矩阵形式获得结果的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！