预测包和手动计算之间的 RMSE 差异很大答案

【问题标题】：RMSE differs substantially between forecast package and manual calculation预测包和手动计算之间的 RMSE 差异很大
【发布时间】：2019-12-16 23:43:48
【问题描述】：

我想我在这里遗漏了一些非常明显的东西。当我在 forecast 包中计算测试集的 RMSE 时，我得到一个非常小的数字：8.581624。但是当我将 ts 对象强制转换为 numeric 向量时，我的 RMSE 会爆炸到：51.9861。

我错过了什么？

library(forecast)
library(fpp2)

train <- window(ausbeer, end=c(2005,3))

fit <- auto.arima(train, lambda=0)

summary(fit)

accuracy(forecast(fit, h=20), x=tail(ausbeer,20))
# Test set RMSE 8.581624

但是当我将预测和实际值存储为数字向量时，RMSE 会变得很奇怪。

test_actuals <- as.numeric(tail(ausbeer,20))
test_preds <- as.numeric(forecast(fit, h=20)$mean)

Metrics::rmse(test_actuals, test_preds)
# RMSE 51.9861

从视觉上看，数字转换工作正常。

> test_actuals
 [1] 408 482 438 386 405 491 427 383 394 473 420 390 410 488 415 398 419 488 414 374
> tail(ausbeer,20)
     Qtr1 Qtr2 Qtr3 Qtr4
2005            408  482
2006  438  386  405  491
2007  427  383  394  473
2008  420  390  410  488
2009  415  398  419  488
2010  414  374          
> 
> test_preds
 [1] 478.7813 425.9601 389.2990 406.7974 480.3568 422.6604 388.2854 405.5242 478.4310 421.2396 386.9089 404.0702
[13] 476.7475 419.7445 385.5367 402.6393 475.0574 418.2569 384.1705 401.2124
>
> forecast(fit, h=20)$mean
         Qtr1     Qtr2     Qtr3     Qtr4
2005                            478.7813
2006 425.9601 389.2990 406.7974 480.3568
2007 422.6604 388.2854 405.5242 478.4310
2008 421.2396 386.9089 404.0702 476.7475
2009 419.7445 385.5367 402.6393 475.0574
2010 418.2569 384.1705 401.2124

【问题讨论】：

标签： r time-series forecast

【解决方案1】：

我在forecast() 函数中为h 参数设置了错误的值。这是缺少的部分：

### need to the set the correct h --
h_star <- length(ausbeer) - length(train)
# [1] 19
#### ----

然后这工作正常。

library(forecast)
library(fpp2)

train <- window(ausbeer, end=c(2005,3))

fit <- auto.arima(train, lambda=0)

summary(fit)

### need to the set the correct h --
h_star <- length(ausbeer) - length(train)
#### ----


accuracy(forecast(fit, h=h_star), x=ausbeer)
accuracy(forecast(fit, h=h_star), x=tail(ausbeer,h_star)) # equivalent
# Test set RMSE 8.581624

test_actuals <- as.numeric(tail(ausbeer,h_star))
test_preds <- as.numeric(forecast(fit, h=h_star)$mean)

Metrics::rmse(test_actuals, test_preds)
# RMSE 8.581624

【讨论】：