buillee buillee

R을 이용한 시계열 데이터 분석에서 앙상블 예측을 위한 두 개의 패키지를 알려드립니다. 1. forecastHybrid : auto.arima, ets, thetam, nnetar, stlm, tbats, snaive 2. opera : EWA, FA, Ridge, MLpol, OGD

install.packages("quantmod") library(quantmod) # 데이터 가져오기 quantmod::getSymbols("IBM", src = "yahoo", from = as.Date("2015-08-01"), to = as.Date("2016-08-31")) # 그래프 작성하기 # 일별 quantmod::chartSeries(periodReturn(IBM, period = "daily"), theme = "white") # 월별 quantmod::chartSeries(periodReturn(IBM, period = "monthly"), theme = "white") [출처] R과 SAS를 이용한 시계열 분석, 박영진 지음, 한나래, p83

install.packages("quantmod") library(quantmod) quantmod::getSymbols("FB", src = "yahoo", from = as.Date("2015-08-01"), to = as.Date("2016-08-31")) quantmod::chartSeries(FB, theme = "white") [출처] R과 SAS를 이용한 시계열 분석, 박영진 지음, 한나래, p41 ~ 53

# 패키지 설치하기와 로딩하기 install.packages("forecast") library(forecast) # lynx 데이터 불러오기 data(lynx) # 시계열 그래프, ACF, PACF 그래프 forecast::tsdisplay(lynx) # 시계열의 주기(Frequency) 탐색하기 forecast::findfrequency(lynx) [출처] R 프로그램에 기반한 시계열 자료 분석, 이재길 지음, 황소걸음아카데미, p84

# 패키지 설치하기와 로딩하기 install.packages("tsDyn") install.packages("sm") library(tsDyn) library(sm) # 그래픽 화면 분할하기 : 2행*3열 par(mfrow = c(2, 3)) # 그래프 작성하기 tsDyn::autotriples(lynx, type = "levels") tsDyn::autotriples(lynx, type = "persp") tsDyn::autotriples(lynx, type = "image") tsDyn::autotriples(lynx, type = "lines") tsDyn::autotriples(lynx, type = "points") [출처] R프로그램에 기반한 시계열 자료 분석, 이재길 지음, 황소걸음아카데미,..

# 패키지 설치하기와 로딩하기 install.packages("tsDyn") install.packages("sm") library(tsDyn) library(sm) # 그래픽 화면 분할하기 : 2행*3열 par(mfrow = c(2, 3)) # 그래프 작성하기 tsDyn::autopairs(lynx, type = "levels") tsDyn::autopairs(lynx, type = "persp") tsDyn::autopairs(lynx, type = "image") tsDyn::autopairs(lynx, type = "lines") tsDyn::autopairs(lynx, type = "points") tsDyn::autopairs(lynx, type = "regression") [출처] R프로그램..

# 패키지 설치와 로딩하기 install.packages("forecast") library(forecast) # 그래픽 화면 분할하기 : 2행*2열 par(mfrow = c(2, 2)) # 왼쪽 위의 그림 : 원 데이터 plot(AirPassengers, main = "Air Passengers") # 오른쪽 위의 그림 : 차분(difference)한 데이터 plot(diff(AirPassengers), main = "Difference : Air Passengers") # Box-Cox transformation을 위한 lambda 구하기 lambda

1. ME(Mean of Errors) 2. RMSE(Root Mean of Squared Errors) 3. MAE(Mean of Absolute Errors) 4. MPE(Mean of Percentage Errors) 5. MAPE(Mean of Absolute Percentage Errors) 6. MASE(Mean of Absolute Scaled Errors)