預測每小時分區數據和繪圖

Question

我試圖根據過去幾年的數據來預測小時銷售量，使用x軸SaleDateTime顯示預測的圖表，並根據一組測試日期來檢查準確性。我一直在運行錯誤。

我嘗試使用dput來生成一個小樣本的數據，但由於某種原因，它仍然會嘗試輸出更多的日期，然後我在子集樣本數據中。

我的數據如下所示：SaleDateTime =「2015-01-02 23：00：00.000」和SaleCount =「1」。

它看起來像我的主要問題是我如何試圖將數據分割成訓練和測試集。

另外我想要x軸的情節有形式「2015-03-01 23:00:00」。我對預測相當陌生，因此非常感謝所有幫助。

代碼：

library("forecast") 
library("zoo") 

SampleData <- read.csv("SampleDataAll.csv") 

Value<-SampleData[,c("SaleDateTime","SaleCount")] 

rDateTime<-as.POSIXct(SampleData$SaleDateTime, format="%Y-%m-%d %H:%M:%S") 

eventdata <- zoo(Value, order.by = rDateTime) 
timeseries <- ts(eventdata$SaleCount, frequency=24) 

##Partitioning data Training/Testing 
ts1Train <- window(timeseries,start="2011-08-01 00:00:00", end="2014-08-01 00:00:00") 

錯誤： 錯誤window.default（X，...）： '開始' 不能 '端' 除了後：警告消息： 在window.default （X，...）： '結束' 值不改變window.default

ts1Test <- window(timeseries,start="2014-08-01 01:00:00", end="2015-08-01 00:00:00") 

錯誤（X，...）： '啓動' 不能是 '結束' 此外之後：警告消息： 在window.default（x，...）中：'結束'值沒有改變

fcast2<-forecast(ts1Train,h=8764) 

錯誤： 錯誤預測（ts1Train，H = 8764）：對象 'ts1Train' 未找到

plot(fcast2) 

accuracy(fcast2,ts1Test) 

錯誤： 錯誤頻率（X）：對象 'ts1Test'沒有找到

UPDATE：

我做下面我如何按照建議分區訓練和測試數據的變化。當我嘗試運行ts1Test數據的準確性時，現在我收到以下錯誤消息。

新代碼：

library("forecast") 
library("zoo") 

SampleData<-SampleData 

Value<-SampleData[,c("SaleDateTime","SaleCount")] 

rDateTime<-as.POSIXct(SampleData$SaleDateTime, format="%Y-%m-%d %H:%M:%S") 

eventdata <- zoo(Value, order.by = rDateTime) 

##Partitioning data Training/Testing 
ts1SampleTrain<-eventdata[1:2000,] 
ts1Train<-ts(ts1SampleTrain$SaleCount, frequency=24) 


ts1SampleTest<-eventdata[2001:28567,] 
ts1Test<-ts(ts1SampleTest$SaleCount, frequency=24) 



#Training Model 
fcast2<-forecast(ts1Train,h=8567) 

plot(fcast2) 

accuracy(fcast2,ts1Test) 

新的錯誤：

錯誤-.default（XX，FF [1：N]）： 非數值參數二元運算

Answer 1

你可以試試在將數據轉換爲時間序列函數之前拆分函數。例如：

train <- sampleData[1:100,] # choose the first 100 row as training set 
test <- sampleData[101:200,] # choose the following 100 row as testing set 

有幾個問題在你的代碼：

1. 在window功能start參數接受整數（如一年）或載體（年份和月份）。 ?window將提供更多信息。

2. 從第一個window函數的錯誤將不會給出以下代碼的預期輸入，特別是forecast部分。

3. forecast顧名思義，是一種預測功能。您需要在訓練數據上構建時間序列模型（例如，使用arima函數）。

我建議你讀一段時間的系列教程，這裏是一個： https://a-little-book-of-r-for-time-series.readthedocs.org/en/latest/