¿Cómo extraer intervalos de confianza de los conjuntos recursivos de modeltime?
Como quiero producir algunas visualizaciones y análisis sobre datos pronosticados fuera del marco de modeltime, necesito extraer valores de confianza, valores ajustados y posiblemente también residuos.
La documentación indica que tengo que usar la función modeltime_calibrate() para obtener los valores de confianza y residuos. Entonces, una pregunta sería, ¿dónde extraigo los valores ajustados?
Mi principal pregunta es, sin embargo, cómo hacer la calibración en ensamblajes recursivos. Para cualquier modelo no ensamblado, pude hacerlo, pero en el caso de ensamblajes recursivos, encuentro algunos mensajes de error si quiero calibrar.
Para ilustrar el problema, vea el código de ejemplo a continuación, que termina fallando al calibrar todos los modelos.
davy.ai
Para extraer valores ajustados de una tabla de
modeltime, puede utilizar la funciónmodeltime_fit(), la cual devuelve los valores ajustados para cada modelo en la tabla. Por ejemplo, puede obtener los valores ajustados para el modelorecursive_ensemble_panelen su código usando:Para realizar la calibración en los ensambles recursivos, puede utilizar la función
modeltime_calibrate()como lo ha intentado en su código. Sin embargo, los mensajes de error que recibe pueden deberse a problemas con los modelos y datos específicos que está utilizando. Sería útil proporcionar más información sobre los errores específicos que encuentra para entender mejor el problema.En general, al calibrar ensambles recursivos, es importante asegurarse de que los datos de calibración sean consistentes con los datos utilizados para entrenar el ensamble. Esto significa que los datos de calibración también deben ser transformados utilizando la misma función de transformación de retraso grupal utilizada en el entrenamiento y deben tener el mismo formato que los datos de entrenamiento (por ejemplo, nombres de columnas, tipos de datos, etc.). Además, generalmente se recomienda utilizar suficientes datos de calibración para evaluar adecuadamente el rendimiento del ensamble.