R组合预测使用tsibble，代码胁迫到tibble而不是mable，可以换回

Question

我正在关注 Rob Hyndman的时间序列我在R中的预测第13章讨论了实用的预测问题（并且在处理实际的预测问题部分时，我遇到了问题！）

具体来说，我正在尝试创建一个组合预测，但是创建估计模型的线性函数的代码强制胁迫我的tsibble到一个tibble上，而没有那条代码，我最终会带有一个梅布尔，而且我似乎无法将tibble恢复到梅布尔中。

这是Hyndman博士的代码：

auscafe <- aus_retail %>%
  filter(stringr::str_detect(Industry, "Takeaway")) %>%
  summarise(Turnover = sum(Turnover))

train <- auscafe %>%
  filter(year(Month) <= 2013)

STLF <- decomposition_model(
  STL(log(Turnover) ~ season(window = Inf)),
  ETS(season_adjust ~ season("N"))
)

cafe_models <- train %>%
  model(
    ets = ETS(Turnover),
    stlf = STLF,
    arima = ARIMA(log(Turnover))
  ) %>%
  mutate(combination = (ets + stlf + arima) / 3)

cafe_fc <- cafe_models %>% 
forecast(h = "5 years")

但是当我在自己的控制台中尝试一下时，我没有运气。

Hyndman的DataFrame存在于寓言或fabletools或Feasts或Tsibble或Tsibbledata软件包中。 （我不记得是哪一个。）

这是我的数据框架：

structure(list(Date = structure(c(19114, 19115, 19116, 19117, 
19118, 19119, 19120, 19121, 19122, 19123, 19124, 19125, 19126, 
19127, 19128, 19129, 19130, 19131, 19132, 19133, 19134, 19135, 
19136, 19137, 19138, 19139, 19140, 19141, 19142, 19143, 19144, 
19145, 19146, 19147, 19148, 19149, 19150, 19151, 19152, 19153, 
19154, 19155, 19156, 19157, 19158, 19159, 19160, 19161, 19162, 
19163, 19164, 19165), class = "Date"), Sales = c(2147350, 1953453, 
1930514, 1951737, 2496552, 2091370, 1921364, 2342280, 2224779, 
2124766, 2229922, 2501654, 2056751, 1908814, 2109249, 1946929, 
2057711, 2001398, 2535514, 2060774, 1793765, 1954603, 2019082, 
2077929, 2152838, 2802181, 2314866, 2268680, 2380746, 1887751, 
2201204, 2004422, 2783170, 2238542, 2000024, 1777258, 1844045, 
2138638, 2387784, 2783170, 1988945, 1749007, 2128774, 2101340, 
2122877, 2085712, 2532569, 1995143, 1713529, 2045398, 1781901, 
2164901)), class = c("tbl_ts", "tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-52L), key = structure(list(.rows = structure(list(1:52), ptype = integer(0), class = c("vctrs_list_of", 
"vctrs_vctr", "list"))), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -1L)), index = structure("Date", ordered = TRUE), index2 = "Date", interval = structure(list(
    year = 0, quarter = 0, month = 0, week = 0, day = 1, hour = 0, 
    minute = 0, second = 0, millisecond = 0, microsecond = 0, 
    nanosecond = 0, unit = 0), .regular = TRUE, class = c("interval", 
"vctrs_rcrd", "vctrs_vctr")))

这是我的代码：

library(tsibble)
library(tsibbledata)
library(fable)
library(fabletools)
library(feasts)

my_dcmp_spec <- decomposition_model(
  STL(Sales),
  ETS(season_adjust ~ season("N"))
)

fit <- time_series_sample %>%
  model(
    stl_ets = my_dcmp_spec,
    `Seasonal naïve` = SNAIVE(Sales),
    holt_winters = ETS(Sales ~ error("A") + trend("N") + season("N"))
  ) %>%
    mutate(combination = (stl_ets + `Seasonal naïve` + holt_winters) / 3) 

我无法重新创建的最后一点。

fc <- fit %>% forecast(h = 21)

这是我收到的错误消息。

Error in UseMethod("forecast") : 
  no applicable method for 'forecast' applied to an object of class "c('tbl_df', 'tbl', 'data.frame')"

因此，我再次尝试使用此功能将tibble胁到Mable：

fit %>% as_mable()

我收到另一个错误消息：

Error in `build_mable()`:
! A mable must contain at least one model.
Backtrace:
 1. fit %>% as_mable()
 3. fabletools:::as_mable.data.frame(.)
 4. fabletools:::build_mable(x, key = !!enquo(key), model = !!enquo(model))

此错误消息对我没有意义，因为我的tibble确实包含模型， 如您在屏幕截图中所见。

我还尝试在有没有as_mable（）调用的情况下添加Pivot_longer，但这也不起作用。

fit <- time_series_sample %>%
  model(
    stl_ets = my_dcmp_spec,
    `Seasonal naïve` = SNAIVE(Sales),
    holt_winters = ETS(Sales ~ error("A") + trend("N") + season("N"))
  ) %>%
    mutate(combination = (stl_ets + `Seasonal naïve` + holt_winters) / 3) %>%
  pivot_longer(everything(), names_to = "Model name",
                     values_to = "Sales") 
# as_mable()

只要我包括创建组合模型的步骤，即stutate（组合（...行，我最终都会得到一个tibble，而不是梅布尔。Hyndman

博士的代码不做t似乎将他的模型逼入一个笨拙的，但我的代码似乎迫使

我可以

fit <- time_series_sample %>%
  model(
    stl_ets = my_dcmp_spec,
    seasonal_naive = SNAIVE(Sales),
    holt_winters = ETS(Sales ~ error("A") + trend("N") + season("N"))
  ) 

fc <- fit %>% forecast(h = 21)

fc %>% autoplot(time_series_sample) 

解决这个问题。但是我肯定缺少组合预测，这是我真正希望添加

的 东西。因为我在单元格中看到了一个s3：lst_model ...但是，mable被胁迫到tibble，我无法在其上使用预测