在 R 中获得最佳 ARIMA 模型的快速解决方案（函数 `auto.arima`）答案

【问题标题】：A fast solution to obtain the best ARIMA model in R (function `auto.arima`)在 R 中获得最佳 ARIMA 模型的快速解决方案（函数 `auto.arima`）
【发布时间】：2019-06-21 13:52:53
【问题描述】：

我有一个由 2775 个元素组成的数据系列：

mean(series)
[1] 21.24862
length(series)
[1] 2775
max(series)
[1] 81.22
min(series)
[1] 9.192

我想通过使用包auto.arima的函数forecast获得最佳ARIMA模型：

library(forecast)
fit=auto.arima(Netherlands,stepwise=F,approximation = F)

但是我遇到了一个大问题：RStudio 运行了一个半小时没有结果。（我开发了一个 R 代码来执行这些计算，在配备 2.80GHz Intel(R) Core(TM) i7 CPU 和 16.0 GB RAM 的 Windows 机器上使用。）我怀疑这是由于时间序列的长度。解决方案可能是并行化？（但我不知道如何应用它）。

无论如何，建议加快此代码？谢谢！

【问题讨论】：

标签： performance parallel-processing arima

【解决方案1】：

预测包的许多功能都考虑到了并行处理。 auto.arima() 函数的参数之一是“并行”。

根据包文档，“如果 [parallel = ] TRUE 并且 stepwise = FALSE，那么规范搜索是并行完成的。这可以显着提高多核机器的速度。”

如果parallel = TRUE，它会自动选择使用多少'core'（对于笔记本电脑或台式机，通常是核心数* 2。例如，我有4个核心，每个核心有2个处理器= 8 个“核心”）。如果要手动设置核心数，也可以使用参数 num.cores。

我建议您查看 Hyndman 撰写的关于该软件包的 e-book。它就像一本时间序列预测圣经。

【讨论】：

您在parallel 上关于auto.arima() 的陈述仅在纸面上是正确的，但在实践中并不正确。每当我使用parallel = TRUE 和stepwise = FALSE 时，我使用system.time()[[3]] 测量所需的时间会更长