R中预测与预测函数的区别 [英] Difference between forecast and predict function in R

问题描述

R中的 predict（）和 forecast（）函数是否有区别？

如果是，应在哪些特定情况下使用？

解决方案

简介

• 预测 - 用于多种R对象（模型）。基础库的一部分。


• 预测 - 适用于时间序列。预测软件包的一部分。 （请参阅示例）。
  
  
  

  示例

  
  
  

    #load训练数据
   trnData = read.csv（http://www.bodowinter.com/tutorial/politeness_data.csv）
   
  模型<  -  lm（频率〜态度+场景，trnData）
   
  ＃创建测试数据
   tstData <-t（cbind（c（H1，H，2，pol，185）， 
  c（M1，M，1，pol，115），
  c（M1，M，1，inf，118），
  c F1，F，3，inf，210）））
   
   tstData<  -  data.frame（tstData，stringsAsFactors = F）
   colnames（tstData）< colnames（trnData）
   tstData [，3] = as.numeric（tstData [，3]）
   tstData [，5] = as.numeric（tstData [，5]）
   
   cbind（Obs = tstData $ frequency，pred = predict（model，newdata = tstData））
   
   #forecast 
  x<  -  read.table（text ='day sum 
   2015-03-04 44 
   2015-03-05 46 
   2015-03-06 48 
   2015-03-07 48 
   2015-03-08 58 
   2015-03-09 58 
   2015-03-10 66 
   2015-03-11 68 
   2015-03-12 85 
   2015-03-13 94 
   2015-03-14 98 
   2015-03-15 102 
   2015-03-16 102 
   2015-03-17 104 
   2015-03-18 114'，header = TRUE，stringsAsFactors = FALSE）
   library（xts）
   dates = as.Date（x $ day，％ Y-％m-％d）
   xs = xts（x $ sum，日期）
   
  库（预测）
   fit<  -  ets（xs）
   plot（预测（fit））
  预测（fit，h = 4）
    

  
  

  Is there any difference between the predict() and forecast() functions in R?

  If yes, in which specific cases should they be used?

  解决方案

  Intro

  • predict -- for many kinds of R objects (models). Part of the base library.
  • forecast -- for time series. Part of the forecast package. (See example).

  Example

  #load training data
  trnData = read.csv("http://www.bodowinter.com/tutorial/politeness_data.csv")
  
  model <- lm(frequency ~ attitude + scenario, trnData)
  
  #create test data
  tstData <- t(cbind(c("H1", "H", 2, "pol", 185),
                     c("M1", "M", 1, "pol", 115),
                     c("M1", "M", 1, "inf", 118),
                     c("F1", "F", 3, "inf", 210)))
  
  tstData <- data.frame(tstData,stringsAsFactors = F)
  colnames(tstData) <- colnames(trnData)
  tstData[,3]=as.numeric(tstData[,3])
  tstData[,5]=as.numeric(tstData[,5])
  
  cbind(Obs=tstData$frequency,pred=predict(model,newdata=tstData))
  
  #forecast
  x <- read.table(text='day       sum
                      2015-03-04   44           
                      2015-03-05   46           
                      2015-03-06   48           
                      2015-03-07   48           
                      2015-03-08   58           
                      2015-03-09   58           
                      2015-03-10   66           
                      2015-03-11   68           
                      2015-03-12   85           
                      2015-03-13   94           
                      2015-03-14   98           
                      2015-03-15  102           
                      2015-03-16  102           
                      2015-03-17  104           
                      2015-03-18  114', header=TRUE, stringsAsFactors=FALSE)
  library(xts)
  dates=as.Date(x$day,"%Y-%m-%d")
  xs=xts(x$sum,dates)
  
  library("forecast")
  fit <- ets(xs)
  plot(forecast(fit))
  forecast(fit, h=4)
  

  这篇关于R中预测与预测函数的区别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！