fable <a href='https://fable.tidyverts.org'><img src='https://yellow-cdn.veclightyear.com/0a4dffa0/bf31a022-0095-4e53-a190-6456b13ae8cd.png' align="right" height="138.5" /></a>

<!-- 徽章：开始 -->

<!-- 徽章：结束 -->

R软件包fable提供了一系列常用的单变量和多变量时间序列预测模型，包括基于状态空间模型的指数平滑和自动ARIMA建模。这些模型在fable框架内工作，该框架提供了评估、可视化和组合模型的工具，其工作流程与tidyverse保持一致。

安装

您可以从CRAN安装稳定版本：

install.packages("fable")

您可以从GitHub安装开发版本：

# install.packages("remotes")
remotes::install_github("tidyverts/fable")

安装此软件需要编译器

示例

library(fable)
library(tsibble)
library(tsibbledata)
library(lubridate)
library(dplyr)
aus_retail %>%
  filter(
    State %in% c("New South Wales", "Victoria"),
    Industry == "Department stores"
  ) %>% 
  model(
    ets = ETS(box_cox(Turnover, 0.3)),
    arima = ARIMA(log(Turnover)),
    snaive = SNAIVE(Turnover)
  ) %>%
  forecast(h = "2 years") %>% 
  autoplot(filter(aus_retail, year(Month) > 2010), level = NULL)

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/24219165-8abb-4b1b-b972-c4fd7865ccf2.png" width="100%" />

学习使用fable进行预测

• pkgdown网站描述了fable提供的所有模型及其使用方法：https://fable.tidyverts.org/
• 《预测原理与实践》在线教材提供了使用fable进行时间序列预测的入门指南：https://otexts.com/fpp3/（进行中）

获取帮助

• 关于预测的问题可以在Cross Validated上提问。

• 关于fable软件包的常见问题通常可以在Stack Overflow上找到。如果问题尚未得到回答，您可以在这里寻求帮助。提供一个最小可重现示例来描述您的问题是寻求帮助的最佳方式！