我编写了下面的R
函数来完成以下任务:
ARIMA
模型通过arima.sim()
函数模拟10个时间序列数据集2s
,3s
,4s
,5s
,6s
,7s
,8s
和9s
的子系列>。auto.arima()
函数从每个块大小的子系列中获得最佳的ARIMA
模型。RMSE
....
## Load packages and prepare multicore process
library(forecast)
library(future.apply)
plan(multisession)
library(parallel)
library(foreach)
library(doParallel)
n_cores <- detectCores()
cl <- makeCluster(n_cores)
registerDoParallel(cores = detectCores())
## simulate ARIMA(1,0, 0)
#n=10; phi <- 0.6; order <- c(1, 0, 0)
bootstrap1 <- function(n, phi){
ts <- arima.sim(n, model = list(ar=phi, order = c(1, 0, 0)), sd = 1)
########################################################
## create a vector of block sizes
t <- length(ts) # the length of the time series
lb <- seq(n-2)+1 # vector of block sizes to be 1 < l < n (i.e to be between 1 and n exclusively)
########################################################
## This section create matrix to store block means
BOOTSTRAP <- matrix(nrow = 1, ncol = length(lb))
colnames(BOOTSTRAP) <-lb
########################################################
## This section use foreach function to do detail in the brace
BOOTSTRAP <- foreach(b = 1:length(lb), .combine = 'cbind') %do%{
l <- lb[b]# block size at each instance
m <- ceiling(t / l) # number of blocks
blk <- split(ts, rep(1:m, each=l, length.out = t)) # divides the series into blocks
######################################################
res<-sample(blk, replace=T, 10) # resamples the blocks
res.unlist <- unlist(res, use.names = FALSE) # unlist the bootstrap series
train <- head(res.unlist, round(length(res.unlist) - 10)) # Train set
test <- tail(res.unlist, length(res.unlist) - length(train)) # Test set
nfuture <- forecast::forecast(train, model = forecast::auto.arima(train), lambda=0, biasadj=TRUE, h = length(test))$mean # makes the `forecast of test set
RMSE <- Metrics::rmse(test, nfuture) # RETURN RMSE
BOOTSTRAP[b] <- RMSE
}
BOOTSTRAPS <- matrix(BOOTSTRAP, nrow = 1, ncol = length(lb))
colnames(BOOTSTRAPS) <- lb
BOOTSTRAPS
return(list(BOOTSTRAPS))
}
如果函数调用如下:
bootstrap1(10, 0.6)
我得到以下结果:
##$BOOTSTRAPS
## 2 3 4 5 6 7 8 9
##[1,] 1.287224 2.264574 2.998069 2.349261 1.677791 1.183126 2.021157 1.357658
我尝试使用montecarlo
函数使函数运行三(3)次不同的时间。
param_list=list("n"=10, "phi"=0.6)
library(MonteCarlo)
MC_result<-MonteCarlo(func = bootstrap1, nrep=3, param_list = param_list)
我收到了以下错误消息
:
MonteCarlo中的错误(func=bootstrap1,nrep=3,param_list=param_list):func必须返回带有命名组件的列表。每个组件都必须是标量的。
请帮助我纠正我在函数或MonteCarlo()
函数上的错误。
根据错误消息,我会尝试用以下内容替换函数的结尾:
names(BOOTSTRAPS) <- letters[1:10]
return(as.list(BOOTSTRAPS))
然后,生成的输出是一个名为字母[1:10]
的命名列表。
通常,我会使用在中启动mock。 我怎样才能做到这一点?到目前为止,我不想在构造函数中注入,因为它会混合业务参数和依赖项。
问题内容: 我正在尝试测试从中获取输入的函数,而我目前正在使用类似以下内容进行测试: 以测试自动化的名义,有什么方法可以伪造输入? 问题答案: 简短的答案是猴子补丁 。 这是一个使用a的简单示例,该示例丢弃提示并返回我们想要的内容。 被测系统 测试用例:
null 如上所示,它导出了一些命名函数,而且重要的是 使用了 。 开玩笑地说,当我为 编写单元测试时,我希望模拟 函数,因为我不希望 中的错误影响我为 编写的单元测试。我的问题是我不确定最好的方法是: 如有任何帮助/洞察力,我们将不胜感激。
下面是我想用R做的算法: 从模型到功能 将序列分为可能的子序列,包括,,,,,,,和 对于每个尺寸,对具有替换的块进行重采样,对于新系列,通过函数 为每个块大小的每个子系列获取 下面的函数可以完成此操作。 调用函数 我得到以下结果: 我想按时间顺序重复上面的到,然后我想到了中的技术。因此,我加载它的包并运行以下函数: 希望在表格中得到如下结果: 但我收到以下错误信息: MonteCarlo错误(f
我需要对R中数据帧每行的数据进行卡方检验。到目前为止,我有一个函数可以创建矩阵并对矩阵进行检验。当我手动将数据输入函数时,这工作得很好。 但是,我想做的是将此函数应用于数据框的每一行,使得 var1 是行 x 列 1,var2 是行 x 列 2,var3 是行 x 列 3,var4 是行 x 列 4。 我已经尝试了几种不同的应用程序()函数的方法,但是我找不到一种允许我按照我想要的方式从行中获取数