R语言-时间序列-销量预测
2017-07-04 11:41
246 查看
数据源:
day sales
2015/1/1 119613
2015/2/1 58481
2015/3/1 90350
2015/4/1 151975
2015/5/1 201464
2015/6/1 218075
2015/7/1 297448
2015/8/1 333036
2015/9/1 524185
2015/10/1 674426
2015/11/1 652650
2015/12/1 1339579
2016/1/1 858271
2016/2/1 322565
2016/3/1 719774
2016/4/1 781450
2016/5/1 1122696
2016/6/1 831057
2016/7/1 1006733
2016/8/1 1033017
2016/9/1 907956
2016/10/1 1097913
2016/11/1 1250100
2016/12/1 1958772
代码部分:
#加载原始数据
src_dat <-read.csv("E:/.../销量.csv",header=T,stringsAsFactors=FALSE)
#转为时间序列,并将其在图上显示出来。
salesTS <-ts(src_dat$sales[1:24],frequency=12,start=c(2015,1,1))
plot.ts(salesTS,col="red")
![](https://img-blog.csdn.net/20170704114047462?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvd2x0OTAzNw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
#这是周期性特别明显的数据,所以考虑使用HoltWinters指数平滑方法来做时间序列的分析预测。
salesForecasts<- HoltWinters(salesTS)
salesForecasts
library("forecast")
salesForecast2<- forecast:::forecast.HoltWinters(salesForecasts,h=12)
plot(salesForecast2$mean,ylim=c(50000,3000000),col="red",main="年销量排名销量走势图",xlab="时间",ylab="销量")
legend("topright",c("销量"),col=c("red"),lty=1)
#合并原始数据和预测数据图线展示
fullTS <- ts(rbind(data.frame(sales=src_dat$sales),data.frame(sales=salesForecast2$mean)),frequency=12,start=c(2015,1,1))
plot.ts(fullTS,col="red")
day sales
2015/1/1 119613
2015/2/1 58481
2015/3/1 90350
2015/4/1 151975
2015/5/1 201464
2015/6/1 218075
2015/7/1 297448
2015/8/1 333036
2015/9/1 524185
2015/10/1 674426
2015/11/1 652650
2015/12/1 1339579
2016/1/1 858271
2016/2/1 322565
2016/3/1 719774
2016/4/1 781450
2016/5/1 1122696
2016/6/1 831057
2016/7/1 1006733
2016/8/1 1033017
2016/9/1 907956
2016/10/1 1097913
2016/11/1 1250100
2016/12/1 1958772
代码部分:
#加载原始数据
src_dat <-read.csv("E:/.../销量.csv",header=T,stringsAsFactors=FALSE)
#转为时间序列,并将其在图上显示出来。
salesTS <-ts(src_dat$sales[1:24],frequency=12,start=c(2015,1,1))
plot.ts(salesTS,col="red")
#这是周期性特别明显的数据,所以考虑使用HoltWinters指数平滑方法来做时间序列的分析预测。
salesForecasts<- HoltWinters(salesTS)
salesForecasts
library("forecast")
salesForecast2<- forecast:::forecast.HoltWinters(salesForecasts,h=12)
plot(salesForecast2$mean,ylim=c(50000,3000000),col="red",main="年销量排名销量走势图",xlab="时间",ylab="销量")
legend("topright",c("销量"),col=c("red"),lty=1)
#合并原始数据和预测数据图线展示
fullTS <- ts(rbind(data.frame(sales=src_dat$sales),data.frame(sales=salesForecast2$mean)),frequency=12,start=c(2015,1,1))
plot.ts(fullTS,col="red")
相关文章推荐
- 时间序列 预测分析 R语言
- 使用时间序列分解模型预测商品销量
- 基于R语言的时间序列的预测
- Kaggle 商品销量预测季军方案出炉,应对时间序列问题有何妙招
- R语言 时间序列分析之ARIMA模型预测
- Kaggle 商品销量预测季军方案出炉,应对时间序列问题有何妙招
- R语言时间序列分析之ARIMA模型预测
- R语言时间序列之数据平滑及预测
- 时间序列的R语言实现_Part2
- CNTK API文档翻译(10)——使用LSTM预测时间序列数据
- CNTK API文档翻译(11)——使用LSTM预测时间序列数据(物联网数据)
- R语言做时间序列(未完)
- 时间序列 R 读书笔记 05 判断预测法 Judgmental forecasts
- R语言-时间序列
- 【大数据部落】基于ARIMA、SVM、随机森林销售的时间序列预测
- 如何用TensorFlow预测时间序列:TFTS库详细教程
- 教你搭建多变量时间序列预测模型LSTM(附代码、数据集)
- 时间序列预测之--ARIMA模型
- LSTM之时间序列预测
- R语言学习之<xts时间序列>