Wie plotten die prognostizierten Werte gegen tatsächliche Werte, die später in R beobachtet werden?

Wir verwendeten die R-Bibliothek forecast, um Vorhersagen für die nächsten 24 Stunden zu treffen. Wir haben die folgenden:Wie plotten die prognostizierten Werte gegen tatsächliche Werte, die später in R beobachtet werden?

fore_cast=forecast.tbats(model,h=24,level=90) 
fore_cast 
     Point Forecast Lo 90  Hi 90 
5.380952  6270.778 5389.089 7296.643 
5.386905  5458.096 4557.375 6536.743 
5.392857  5219.995 4248.967 6412.814 
5.398810  5187.102 4126.390 6520.328

Jetzt haben wir 2 Probleme:

Wir brauchen 'Zeit' (in Stunden zum Beispiel 01,23,19 usw.) anstelle von 'Punkt'.
Wir möchten die Trendlinie gegen die Zeit darstellen, die die tatsächlich beobachteten Werte gegen diese vorhergesagten Werte zeigt. Wir haben die tatsächlich beobachteten Werte aus einer CSV-Datei geladen.

Wir haben versucht:

actual_data = read.csv('actualdata.csv') 
plot(actual_data,fore_cast)

nicht funktioniert, und mit plot(actual_data) zeigt nur einige Punkte in einer geraden Linie statt gekrümmten Trendlinie.

EDIT:

Beispiel für die Ausgabe von fore_cast von dput:

structure(list(model = structure(list(lambda = 0.000438881055939422, 
    alpha = 0.65694875480321, beta = -0.0983972877836753, damping.parameter = 0.800419363290521, 
    gamma.one.values = c(-0.00150031474145603, -0.00124696854910294 
    ), gamma.two.values = c(0.0023600487982342, -0.002465549595849 
    ), ar.coefficients = NULL, ma.coefficients = NULL, likelihood = 13202.294346586, 
    optim.return.code = 0L, variance = 0.00855092137349485, AIC = 13258.294346586, 
    parameters = structure(list(vect = c(0.000438881055939422, 
    0.65694875480321, 0.800419363290521, -0.0983972877836753, 
    -0.00150031474145603, -0.00124696854910294, 0.0023600487982342, 
    -0.002465549595849), control = structure(list(use.beta = TRUE, 
     use.box.cox = TRUE, use.damping = TRUE, length.gamma = 4L, 
     p = 0, q = 0), .Names = c("use.beta", "use.box.cox", 
    "use.damping", "length.gamma", "p", "q"))), .Names = c("vect", 
    "control")), seed.states = structure(c(7.44188559667267, 
    0.00357069100887873, -0.0664300680553579, 0.0229067500159256, 
    0.00460111570469819, -0.00772324725408007, -0.000610110386029883, 
    0.00568378752162509, -0.0084050648066819, -0.0324093004247092, 
    -0.000720936399990958, -0.00705790547321605, -0.00738992950838566, 
    0.00180424326179638, -0.00107745502434416, 0.00242014705705761, 
    -0.01824679745657, 0., -0.0245935735677402, 
    0.0181321397860132), .Dim = c(20L, 1L)), fitted.values = structure(c(1598.57443298879, 
    1435.74973092922, 1397.92464316794, 1296.90202189518, 1440.3201303663, 
    1544.11695101118, 1777.97079874181, 1766.50571671645, 1925.27360388028, 
    1863.26963233038, 1773.08363764691, 1887.26580055295, 1887.48006609474, 
    1841.66200850472, 1991.90290660363, 2233.04775631848, 2081.30246965768, 
    1872.12639817609, 1899.38583561568, 2213.43437455052, 2214.00832820531, 
    1745.36311914995, 1678.67975050944, 1502.35472259274, 1512.27350460399, 
    1456.14165844166, 1464.3803467642, 1517.99443293857, 1484.54280422369, 
    1382.37041287489, 1452.43700910726, 1545.16934543365, 1440.50974319508, 
    1475.59742668699, 1544.88546424501, 1790.95280713647, 1916.4267023671, 
    1928.72804180587, 1819.15839770808, 1916.43079357329, 1836.80043977753, 
    1720.25638746452, 1730.03629161412, 1614.6048115754, 1599.23641723244, 
    1635.86950932066, 1543.46360784778, 1641.35066985679, 1608.60556151299, 
    1651.47649465456, 1475.15006990464, 1403.67294742438, 1507.58932406857, 
    1666.3170708439, 1696.06132797576, 1543.32187293056, 1704.58043626911, 
    1914.72424191575, 2109.33624862625, 2092.98934458578, 2222.13355258602, 
    2084.68677709368, 1962.9230489947, 2045.61547393981, 2140.30565941261, 
    2097.46130996426, 2126.07936955385, 2226.18935508502, 2269.54492801286, 
    2300.37314952852, 2398.48786829541, 2303.31270702723, 2332.74139979969, 
    2146.51487558643, 2101.27480789243, 2111.61910899422, 2053.57840714969, 
    2046.56606362537, 2073.82870990658, 2094.88831798868, 2334.85185938782, 
    2541.72156227893, 2502.36031483721, 2398.12240784327, 2266.35832277135, 
    2151.05248890962, 2266.88803633019, 2366.19453856405, 2399.97570044332, 
    2341.74959623409, 2144.33465155869, 2102.91952061083, 2214.48622101851, 
    2179.48115699957, 2288.28092735955, 2224.55218736155, 2195.1506809087, 
    2163.94619334319, 2161.41843642149, 2134.75060670667, 2138.77895768654, 
    2142.84680080931, 2258.55072549978, 2297.90237035988, 2314.94197015208, 
    2300.99928929609, 2277.39754662665, 2291.06980363364, 2487.04257346235, 
    2381.05768214413, 2509.40078456481, 2657.61336243367, 2528.65026804303, 
    2434.2722174014, 2366.04811963942, 2270.6647135766, 2231.33965004538, 
    2376.51043520344, 2249.42861599343, 2193.98771109322, 2252.12327312365, 
    2210.76969838623, 2180.50451255189, 2221.92898123682, 2537.84678083006, 
    2329.57350097532, 2252.82349908982, 2143.92033677754, 2092.3142840022, 
    2084.70304624685, 2111.18929138546, 2160.05383108999, 2280.94409931504, 
    2118.22029344747, 2214.65738250204, 2269.05911898631, 2084.26658709038, 
    2016.04764576402, 2095.57091797435, 2161.07354463394, 2427.77607700887, 
    2333.91103594967, 2234.23838054763, 2250.71557301013, 2186.97925802073, 
    2129.51096829218, 2115.40228652934, 2094.89231085691, 2086.41044567131, 
    2180.94542608489, 2105.38187642016, 2459.45788915933, 2292.36325639374, 
    2410.75372754831, 2375.56640249604, 2491.11938114866, 2470.51372278037, 
    2464.95765202085, 2600.85929020727, 2709.48518695182, 2779.77558137814, 
    2518.29927341458, 2344.06621605191, 2391.56719713269, 2368.68842788795, 
    2199.93530349068, 2113.92970206565, 2458.96718445444, 3121.97852988865, 
    2559.40932439262, 2331.12829078836, 2238.54586985577, 2241.91440620202, 
    2225.29804576634, 2154.14147781021, 2060.57980596908, 2037.30100544426, 
    2215.93410789353, 2364.42668160056, 2518.72871618042, 2537.34279365294, 
    2473.76096855791, 2623.63387707374, 2589.08335304697, 2577.0563838788, 
    2349.53279218826, 2305.52193868551, 2232.63712180453, 2167.50003597208, 
    2320.23187534213, 2281.86365949586, 2281.21119271599, 2323.2014703372, 
    2185.94404743238, 2140.21863271207, 2011.67723856012, 1966.52063119589, 
    2002.67344212857, 1952.41101080662, 1988.37461163105, 2126.75137749373, 
    2239.14722292367, 2320.98046489603, 2444.91847853015, 2431.69548763034, 
    2514.73820659393, 2505.85249387343, 2888.19773974179, 2853.20690693738, 
    2502.20865871069, 2524.56894781003, 2659.52271740553, 2615.9025930681, 
    2923.69327019152, 2754.76074569658, 2784.59488335761, 2874.24378479002, 
    2683.41908597168, 2733.83011888159, 2774.1325162997, 2906.41593326865, 
    2726.06821502751, 2460.21579967528, 2450.8035097605, 2547.39389733175, 
    2625.60323572861, 2827.94083526683, 2971.92012845614, 3042.90981987278, 
    2835.00811374845, 2846.98066660519, 2871.21876763166, 2901.99696373824, 
    2627.47532996657, 2583.75084300313, 2602.68041642846, 2632.8054092953, 
    2667.85374690972, 2639.10586730146, 2466.95799545022, 2381.06823502402, 
    2531.32611053776, 2407.14812148706, 2342.75701798463, 2401.73791085847, 
    2365.50645844524, 2404.50408575777, 2452.57343738519, 2613.15332739214, 
    2665.50965844576, 2723.8237337447, 2915.09266385617, 2890.17498445896, 
    2853.6278331055, 2868.1228183545, 2917.07803535669, 2876.59409770233, 
    2577.82035337979, 2581.91435020803, 2520.20342021937, 2603.37973251208, 
    2536.03988578365, 2510.83398648802, 2472.80606784857, 2425.51212342113, 
    2442.02863541673, 2465.73405821711, 2384.42988766816, 2555.51500549788, 
    2737.77091706275, 2425.00224845814, 2460.17325671183, 2639.16650619329, 
    2816.37024420397, 2755.69999167982, 2802.64991688288, 2685.12803367301, 
    2521.77568128564, 2500.99980614696, 2620.41659854805, 2529.25134423133, 
    2590.14804885984, 2318.80485234464, 2341.88940012276, 2460.21008281205, 
    2513.70688167177, 2437.71670675479, 2383.29782281743, 2499.36244454453, 
    2472.98602901478, 2491.10649022417, 2350.1405559119, 2362.78308814045, 
    2431.3911847573, 2321.15216823049, 2355.74203614213, 2429.60523843166, 
    2355.61947983433, 2346.3751018515, 2453.82214513707, 2542.98125962684, 
    2342.43364707529, 2302.17741211575, 2388.93541944219, 2435.41878657221, ....

Beispiel für die Ausgabe von dput für tatsächlich beobachteten Werte:

structure(list(index12 = c(6297.416944, 5406.865556, 4718.355556, 
5304.729167, 4968.014722, 5081.130833, 5544.955, 4655.009444, 
4269.023056, 4346.588333, 4511.455833, 5102.57, 4818.673333, 
4862.343056, 4785.176667, 5385.005278, 6469.080833, 7166.025278, 
7010.708333, 511.114167)), .Names = "index12", class = "data.frame", row.names = c(NA, 
-20L))

Quelle

2016-06-10 learnerX

Bitte geben Sie eine Probe Ihrer Daten mit 'dput' so, dass wir eine Lösung zu schaffen versuchen. – lmo

Ich habe Daten mit 'dput' in Dateien importiert. Willst du, dass ich die Dateien anschließe, die du meinst? – learnerX

Kopieren Sie einfach Teilstichproben Ihrer Daten und fügen Sie sie in Ihre Frage ein. Siehe den folgenden Post zu [creating R examples] (http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example) für einige Hinweise. – lmo

Der Wert Point trotz Stunde ungewöhnlich Einheitendaten. Ich denke, Sie haben es versäumt, eine model zu machen.

Hier ist mein Beispiel:

actual_data <- structure(list(index12 = c(6297.416944, 5406.865556, 4718.355556, 
          5304.729167, 4968.014722, 5081.130833, 5544.955, 4655.009444, 
          4269.023056, 4346.588333, 4511.455833, 5102.57, 4818.673333, 
          4862.343056, 4785.176667, 5385.005278, 6469.080833, 7166.025278, 
          7010.708333, 511.114167)), 
         .Names = "index12", class = "data.frame", row.names = c(NA, -20L)) 

# I suppose that actual_data was taken per hour. 
num_actual <- as.numeric(actual_data[,1]) 
model <- bats(num_actual) 
fore_cast <- forecast(model, h=24, level=90) 

fore_cast # Point is from 21 to 44 because of length(actual_data)=20 and demanding predictions for the next 24 hours 
# Point Forecast Lo 90 Hi 90 
# 21  5063.207 2902.187 7224.226 
# 22  5108.114 2946.988 7269.241 
# : 
# 44  5108.114 2944.629 7271.600 

# plot() has forecast method. It draws actual_data and prediction, and paints Lo90-Hi90.  
plot(fore_cast, main="")

Quelle

2016-06-15 04:53:55 cuttlefish44

Wie plotten die prognostizierten Werte gegen tatsächliche Werte, die später in R beobachtet werden?

Antwort

Verwandte Themen