r - 对“h-step拟合值”的误解

Question

我几乎浏览了 otexts.com 的所有电子书，标题为“预测：原则与实践”——任何感兴趣的人都可以在https://otexts.com/fpp2/找到。

在第 12.8 节中，他们有一点涉及“对训练数据的多步预测”，这让我对拟合值的理解感到非常不充分，因为它显然不像 . 他们有以下代码：

training <- subset(auscafe, end=length(auscafe)-61)
test <- subset(auscafe, start=length(auscafe)-60)
cafe.train <- Arima(training, order=c(2,1,1),
                    seasonal=c(0,1,2), lambda=0)
autoplot(training, series="Training data") +
         autolayer(fitted(cafe.train, h=12),
         series="12-step fitted values")

...这会产生一个图，该图仅将原始时间序列曲线与拟合值曲线重叠。说得通。但是我不明白 h=12 在这里的 fit() 函数中的目的。我对普通旧拟合（cafe.train）的理解是，您正在提取所有时间序列的相应 y_hat 值（例如，通过任何适当的 arima 模型）。但是教科书似乎提到使用fit(cafe.train, h=12)中的 h 对训练数据进行某种类型的样本内预测（即，我认为“预测”训练数据 y_hat 值一个点一次，从前 12 个 (?) 开始，而不是对所有点 (?) 进行更回归式的确定。这和时间序列交叉验证是一回事吗？

底线，我不明白 h=12 在做什么。何必？fit(cafe.train, h=12) 给我们带来了什么，fitted(cafe.train) 没有？我已经查看了fitted() 的官方文档，但我可以使用一些说明。谢谢！:)

标签： rtime-seriesdata-analysis