R 库 Forecast::auto.arima 与 fable:ARIMA 有什么区别？

Question

在线文档表明，底层算法与估计 (s)Arima 模型相同。在一些测试中，使用 Kaggle 数据集，我有不同的模型：ARIMA 函数向我显示 sArima、auto.arima 仅 Arima 模型。

auto.arima(tsbble_item1_store1$sales)

给

Best model: ARIMA(5,1,2)

和

tsbble_item1_store1 %>%
               model(arima = ARIMA(sales))

给

# A mable: 1 x 2
# Key:     store [1]
 store                    arima
<dbl>                  <model>
1     1 <ARIMA(1,1,3)(0,0,2)[7]>

我有非常不同的模型。顺便说一句，Arima 的寓言函数向我展示了一个更好的模型，因为它控制季节性，而 auto.arima 函数则没有，而且数据显示明显的季节性。

当两个函数尝试估计模型时，有人知道默认参数的主要区别吗，因为我不明白文档？

抱歉，如果我有一些错误

提前致谢

祝你有美好的一天

MC

Answer 1

forecast::auto.arima()需要一个ts对象。这是一个具有一些时间序列属性（包括季节频率）的向量。当您仅传递数值向量时（如此处所示），它假定季节性频率为 1（对于年度数据），并且不适合季节性 ARIMA 模型。

另一方面，该tsibble对象包含一个时间索引（在本例中它看起来像是一个日期变量）并将ARIMA()使用该索引来确定存在什么类型的季节性（如果有）。对于日期变量，它将选择季节性频率 7 来对应于一周中的某个时间季节性。

要获得与 相同的效果forecast::auto.arima()，请使用

auto.arima(ts(tsbble_item1_store1$sales, frequency=7))