在 R 中构建后重用 ts 模型以更新数据集（预测包）答案

【问题标题】：Reuse ts models once build in R to updated data set (forecast package)在 R 中构建后重用 ts 模型以更新数据集（预测包）
【发布时间】：2012-09-18 02:03:53
【问题描述】：

我对 R 编程很陌生，但我找不到任何关于我的问题的信息...

我想在 R 中使用来自高分辨率数据（半小时数据）的预测包进行一些预测。我想让预测在线工作。这就是为什么我认为每次都计算一次拟合不是很有用的原因。

因此我喜欢将已经拟合的模型传递给模型并将其用于新数据的方法：

fcast2 <- forecast ( Arima ( x = extendedSeries , model = oldArimaModel ), h = horizon )

但它并不真正适用于 HoltWinters 模型...... （或者一个 lm 模型，对于 lm 的含义是可以的）

fcastArima <- forecast(Arima(x= extendedseries , model=oldArimaFit),h=horizon)
fcastHoltWinters <- forecast(update(oldHWfit, x=extendedSereies), h=horizon)

无论如何，我想保持代码简单，我正在寻找一种更通用的方法来将已经拟合的 ts 模型应用于更新的数据集。

有人知道怎么做吗？

干杯

【问题讨论】：

我刚刚在 R 预测包中发现了 dshw 函数...任何想法如何处理与上述相同的目标？

标签： r time-series updates reusability forecasting

【解决方案1】：

HoltWinters() 是一个非常有限的功能。 ets() 函数将拟合相同的模型，具有更好的估计，并将拟合更大范围的相似模型。它还允许以与 Arima() 相同的方式重新拟合新数据。

【讨论】：

感谢 Hyndman 博士的快速回答。有没有办法避免在 ets 函数中自动抑制高于 24 的频率（我每天得到 48 个值）？干杯巴斯蒂
如果你有高频数据，使用 tbats() 而不是 ets()。