我正在使用各种模型(如Arima,H2O.Randomforest,glmnet,lm和其他一些模型)对R中的多元时间序列数据进行预测建模。R中的模型评分和排名
我创建了一个函数来选择我们选择的模型并进行预测。
Model1 <- function(){
..
return()
}
Model2 <- function(){
...
return()
}
Model3 <- function(){
...
return()
}
main <- function(n){
if(n == 1) {
Model1()
}
else if(n == 2){
Model2()
}
else if(n == 3){
Model3()
}}
现在我认为这些模型,其通过寻找预测和观察值之间准确性给出RMSE
和MAPE
自动化。我希望根据表现提供每个分数(例如5分)。例如,如果Arima
比其他模型给出较低的RMSE
,则它将被评分为高,并且第二低的RMSE
模型将得分小于Arima
等等。
而且每次我用不同的输入数据运行这些模型时,它都必须给出模型的平均分数。我的意思是说,
1. for model1 it will give scores of each model, let's say *s1*.
2. for model2 run it give scores of each model, and let's call it *s2*.
而且我希望每次运行它与不同的输入时,该模型的平均分数。这更像是得分和排名方法。
R中是否有任何方法或软件包可以让我们了解它是如何完成的?或任何例子?任何建议都会非常有帮助。我在Cross验证中甚至分享了我的问题here。
谢谢。
只是为了澄清:对于'j'电机'motor1,motor2,... motorj'的'm'时间序列,您有一些数据帧/矩阵与'n'观察值?你想自动执行以下任务:1)将多个模型拟合到'motor1,motor2,... motorj'的数据中2)用RMSE/MAPE的拟合度对模型进行排序,3)用模型返回'j'列表“j”输入电机的排名? – Numb3rs
是的。我可以使用'rank()'来排列方法。但我想根据其RMSE/MAPE值给每个模型(如5分)给分,比如记分卡。 – dhinar