预测和重建时间序列

asimm4

用于评估时间序列模型的一个推荐误差指标是平均绝对百分比误差（甲基丙烯酸甲酯)，因为它以通用比例提供误差，作为实际值的百分比。但是，如果真实值为零，则此度量没有定义，然后其他误差度量也是如此，例如均方根误差（均方根误差），就可以了。但通常建议不要使用 R 平方。R 平方指标不适合时间序列分析的背景，因为其重点是预测目标列未来的系统变异性，而不是对过去的所有变异性进行建模。


我们快完成了！最后一步是预测未来值并重建信号。


为了进行视觉探索，我们还 委内瑞拉 WhatsApp 号码数据库 按年度汇总了数据，发现 2015 年初有一个转折点，如图 7 右侧的线图所示。左侧的线图显示了数据的年度季节性：每年年底有两个常规峰值，每年年初有一个较低的峰值。我们还检测到数据的年度季节性，如左侧 ACF 图中滞后 12 处的主要峰值所示。我们将时间序列分解为趋势、季节性和残差，这些成分显示在图 7 中间的线图中。右侧的 ACF 图显示残差序列中没有显著的自相关性。