按插入号分组的训练时间序列模型

Question

bounty到期在5天内。该问题的答案有资格获得+ 150声望赏金。Felipe Alvarenga正在寻找规范答案。

我有如下数据集

set.seed(503)
foo <- data.table(group = rep(LETTERS[1:6], 150),
                  y  = rnorm(n = 6 * 150, mean = 5, sd = 2),
                  x1 = rnorm(n = 6 * 150, mean = 5, sd = 10),
                  x2 = rnorm(n = 6 * 150, mean = 25, sd = 10),
                  x3 = rnorm(n = 6 * 150, mean = 50, sd = 10),
                  x4 = rnorm(n = 6 * 150, mean = 0.5, sd = 10),
                  x5 = sample(c(1, 0), size = 6 * 150, replace = T))

foo[, period := 1:.N, by = group]

问题：我想使用变量y对每个group预测x1, ..., x5提前一步>

我想在caret中运行一些模型来决定使用哪个模型。

到目前为止，我正在使用时间片在循环中运行它

window.length <- 115
timecontrol   <- trainControl(method          = 'timeslice',
                            initialWindow     = window.length,
                            horizon           = 1, 
                            selectionFunction = "best",
                            fixedWindow       = TRUE, 
                            savePredictions   = 'final')

model_list <- list()
for(g in unique(foo$group)){
  for(model in c("xgbTree", "earth", "cubist")){
    dat <- foo[group == g][, c('group', 'period') := NULL]
    model_list[[g]][[model]] <- train(y ~ . - 1,
                                      data = dat,
                                      method = model, 
                                      trControl = timecontrol)

  }
}
但是，我想同时运行所有组，使用虚拟变量来标识每个组，例如

dat <- cbind(foo,  model.matrix(~ group- 1, foo))
            y         x1       x2       x3            x4 x5 period groupA groupB groupC groupD groupE groupF
  1: 5.710250 11.9615460 22.62916 31.04790 -4.821331e-04  1      1      1      0      0      0      0      0
  2: 3.442213  8.6558983 32.41881 45.70801  3.255423e-01  1      1      0      1      0      0      0      0
  3: 3.485286  7.7295448 21.99022 56.42133  8.668391e+00  1      1      0      0      1      0      0      0
  4: 9.659601  0.9166456 30.34609 55.72661 -7.666063e+00  1      1      0      0      0      1      0      0
  5: 5.567950  3.0306864 22.07813 52.21099  5.377153e-01  1      1      0      0      0      0      1      0
但是仍然使用timeslice以正确的时间顺序运行时间序列。

[是否有一种方法可以在time中声明trainControl变量，所以在这种情况下，我的one step ahead预测每轮使用另外六个观察值，而删除前六个观察值？

我可以通过对数据进行排序并与horizon自变量（给定n组，按时间变量进行排序并放入horizon = n）来做到这一点，但是如果组数更改，则必须更改。并且initial.window必须为time * n_groups

timecontrol   <- trainControl(method          = 'timeslice',
                            initialWindow     = window.length * length(unique(foo$group)),
                            horizon           = length(unique(foo$group)), 
                            selectionFunction = "best",
                            fixedWindow       = TRUE, 
                            savePredictions   = 'final')
还有其他方法吗？

我有一个像下面的set.seed（503）foo

Answer 1

我将嵌套组并使用purrr函数来解决此问题。这种方法更加灵活，如果您喜欢使用furrr，则可以并行运行所有内容。

加载包并创建数据