我正在嘗試使用以下代碼預測在餐館點餐的人的時間(「TiTo」)。 TiTo是一個人從他們走進大門到他們拿到食物時所需的總時間。 TimeTT是顧客與服務員交談的時間。我相信TimeTT是TiTo的一個預測因子,我想用它作爲TiTo預測的協變量。我已經閱讀了一些關於ARIMA的知識,並且據我瞭解,您可以在xreg參數中將預測變量添加到模型中。我正在考慮將xreg參數設置爲迴歸模型的自變量,如lm(TiTo〜TimeTT)。這是考慮xreg參數的正確方法嗎?下面的錯誤信息是什麼意思?我是否需要將TimeTT轉換爲時間序列以在xreg參數中使用它?我是新來的預測,所以所有的幫助非常感謝。使用xreg預測ARIMA
預測嘗試:
OV<-zoo(SampleData$TiTo, order.by=SampleData$DateTime)
eData <- ts(OV, frequency = 24)
Train <-eData[1:15000]
Test <- eData[15001:20809]
Arima.fit <- auto.arima(Train)
Acast<-forecast(Arima.fit, h=5808, xreg = SampleData$TimeTT)
錯誤:(!NcoI位(XREG)=的NcoI(對象$調用$ XREG))
錯誤,如果停止(「迴歸量數不匹配擬合模型「): 參數是長度的零
數據:
dput(Train[1:5])
c(1152L, 1680L, 1680L, 968L, 1680L)
dput(SampleData[1,]$TimeTT)
structure(1156L, .Label = c("0.000000", "0.125000", "0.142857",
"96.750000", "97.800000", "99.000000", "99.600000", "NULL"), class = "factor")
發佈您的數據示例。 – kristang
謝謝你回到我身邊kristang。我發佈了一些示例數據。我沒有發佈TimeTT的所有數據,只是一個示例。我可以直接從蝙蝠身上看到,我之前錯誤地將我的數據框子集化了,但是xreg應該是數據框? xreg是否需要與您的訓練數據具有相同長度的時間序列?還有,我是否使用xreg正確的自動arima後面的conept,那就是說我可以預測一個時間序列(「TiTo」)並使用xreg將預測變量添加到預測中? – modLmakur