r - 有什么好的预测模型可以使用？

Question

这是数据： 日期以月为单位，在我的示例中为 24（24 个月或 2 年）

l <- data.frame(date = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24)) k <- data.frame(cost = c(25,20,18,15,5,0,0,0,10,15,30,40,45,34,26,20,10,7,4,4,15,34,57,62)) m <- cbind(l,k) ggplot(m, aes(m$date,m$cost)) + geom_line()

图表输出：

什么是好的预测模型？如果我对所有最大值进行子集化并对所有最小值进行子集化，我想我可以使用多项式回归。请参阅下图以更好地理解。（红色代表最大值，蓝色代表最小值，线条是使用油漆创建的来解释一个点）

另一种方式，我不知道它叫什么，但我认为他们用它来预测天气，不确定获得下面蓝线的公式会是什么样子。（请看下图以更好地理解）

什么是合适的公式来获得蓝色拟合线来预测以红色突出显示的点？

标签： rgraphstatisticsregressionprediction

Answer 1

这是一个示例，说明为什么回归不适合使用此数据进行预测。该模型是“y = x * 幅度 * sin(pi * (x - center) / width)^2 + offset”，虽然回归似乎可以很好地拟合 x 的一些较大的数据集值，但我也看到较小的 x 值非常不合适。该模型不能很好地拟合所有数据点或数据区域的数据，并且在我看来对于预测目的毫无用处，因为数据之外的外推非常糟糕。