使用循環創建所有組合的訂單

Question

我試圖使用循環創建所有組合的模型p = 15到1，d = 2到0，q = 15到1，然後使用滾動預測對這些模型進行評估，並挑選出具有最低mape的模型（準確度（fc $ mean，test）[，5]）。

我不太擅長循環，所以任何提示都非常感謝。我在下面的「代碼之前」示例中工作，並在「代碼之後」顯示我想如何修改它。

代碼之前：

library("fpp") 

h <- 5 
tsTrain <- window(hsales,end=1989.99) 
tsTest <- window(hsales,start=1990) 
n <- length(tsTest) - h + 1 
ModFit <- Arima(tsTrain, order=c(15,2,15) 
fc <- ts(numeric(n), start=1990+(h-1)/12, freq=12) 
for(i in 1:n) 
{ 
    x <- window(hsales, end=1989.99 + (i-1)/12) 
    reModFit <- Arima(x, model=ModFit) 
    fc[i] <- forecast(reModFit, h=h)$mean[h] 
} 

後編碼：

library("fpp") 

h <- 5 
tsTrain <- window(hsales,end=1989.99) 
tsTest <- window(hsales,start=1990) 
n <- length(tsTest) - h + 1 

##Create models for all combinations of p 15 to 0, d 2 to 0, q 15 to 0 

ModFit1 <- Arima(tsTrain, order=c(15,2,15) 
ModFit2 <- Arima(tsTrain, order=c(9,2,15) 
ModFit3 <- Arima(tsTrain, order=c(8,2,15) 
. 
. 
. 
ModFit15 <- Arima(tsTrain, order=c(0,2,15) 
fc1 <- ts(numeric(n), start=1990+(h-1)/12, freq=12) 
fc2 <- ts(numeric(n), start=1990+(h-1)/12, freq=12) 
fc3 <- ts(numeric(n), start=1990+(h-1)/12, freq=12) 
. 
. 
. 
fc15 <- ts(numeric(n), start=1990+(h-1)/12, freq=12) 
for(i in 1:n) 
{ 
    x <- window(hsales, end=1989.99 + (i-1)/12) 
    reModFit1 <- Arima(x, model=ModFit1) 
    reModFit2 <- Arima(x, model=ModFit2) 
    reModFit3 <- Arima(x, model=ModFit3) 
    . 
    . 
    . 
    reModFit15 <- Arima(x, model=ModFit15) 
    fc1[i] <- forecast(reModFit1, h=h)$mean[h] 
    fc2[i] <- forecast(reModFit2, h=h)$mean[h] 
    fc3[i] <- forecast(reModFit3, h=h)$mean[h] 
    . 
    . 
    . 
    fc15[i] <- forecast(reModFit15, h=h)$mean[h] 
} 

##Calculating mape for forecasts 

Accuracy(fc1$mean,tsTest)[,5] 
Accuracy(fc2$mean,tsTest)[,5] 
Accuracy(fc3$mean,tsTest)[,5] 
. 
. 
. 
Accuracy(fc15$mean,tsTest)[,5] 

##Return the order of the Arima model that has the lowest mape 
ModFit5 ARIMA(10,2,15) ##This is just an example, I don't know if this really the one with the lowest mape. 

更新：

pvar<-1:15 
dvar<-1:2 
qvar<-1:15 

OrderGrid<-expand.grid(pvar,dvar,qvar) 


ModFit <-function(a,b,c,dat){ 
      m=Arima(tsTrain, order=c(a,b,c)) 
      return(m) 
          } 


Fits<-apply(OrderGrid,1,ModFit) 

錯誤：

錯誤的Arima（tsTrain，爲了= C（A ，b，c））： 變量 「c」 被缺失，沒有默認值

更新：

ModFit <- function(x, dat){ 
m=Arima(dat, order=c(x[[1]], x[[2]], x[[3]]),method="ML") 
return(m) 
} 

Fits <- plyr::alply(OrderGrid, 1, ModFit, dat = tsTrain) 

Answer 1

使用expand.grid和alply作爲apply將簡化到馬對象的矩陣，這將是一個痛苦

pvar<-1:15 
dvar<-1:2 
qvar<-1:15 

OrderGrid<-expand.grid(pvar,dvar,qvar) 

ModFit <- function(x, dat){ 
      m=Arima(dat, order=c(x[[1]], x[[2]], x[[3]])) 
      return(m) 
} 

Fits <- plyr::alply(OrderGrid, 1, ModFit, dat = tsTrain) 

Fits將成爲一個列表。