Github
文档sweep 
将
broom扩展到时间序列预测
sweep包扩展了broom工具（tidy、glance和augment），用于在"tidyverse"中执行预测和时间序列分析。该包旨在"整理"Rob Hyndman的forecast包中使用的预测工作流程。
优点
- 专为使用R for Data Science中的
tidyverse工具进行建模和扩展预测而设计 - 扩展
broom用于模型分析（ARIMA、ETS、BATS等） - 整理
forecast对象，便于绘图和"整洁"数据操作 - 集成
timetk以在整理后的预测输出中启用日期和日期时间（不规则时间序列）
工具
该包包含以下元素：
-
模型整理器：
sw_tidy、sw_glance、sw_augment、sw_tidy_decomp函数扩展了broom包中的tidy、glance和augment，专门用于预测模型（ets()、Arima()、bats()等）。 -
预测整理器：
sw_sweep将forecast对象转换为可以在"tidyverse"中轻松操作的tibble。
在tidyverse中进行预测
sweep能够将forecast对象转换为tibble。这样就可以使用dplyr、tidyr和ggplot原生地操作、分析和可视化预测结果。
大规模预测多个时间序列组
通常需要对分组数据进行预测以分析子类别的趋势。好消息是，使用各种sw_函数结合dplyr和purrr，从一个时间序列扩展到多个时间序列很容易。
预测多个模型以提高准确性
预测中的一个常见目标是比较不同的预测模型。sweep在这方面也提供了帮助。
用于预测的broom扩展
如果你熟悉broom，你就知道它在获取"整洁"格式的模型组件方面有多有用。sweep将这一优势扩展到forecast包工作流程中，包括以下函数：
sw_tidy：返回模型系数（单列）sw_glance：返回准确度统计（单行）sw_augment：返回残差sw_tidy_decomp：返回季节性分解sw_sweep：返回整洁的预测输出。
兼容性图表如下所示。
| 对象 | sw_tidy() | sw_glance() | sw_augment() | sw_tidy_decomp() | sw_sweep() |
|---|---|---|---|---|---|
| ar | |||||
| arima | X | X | X | ||
| Arima | X | X | X | ||
| ets | X | X | X | X | |
| baggedETS | |||||
| bats | X | X | X | X | |
| tbats | X | X | X | X | |
| nnetar | X | X | X | ||
| stl | X | ||||
| HoltWinters | X | X | X | X | |
| StructTS | X | X | X | X | |
| tslm | X | X | X | ||
| decompose | X | ||||
| adf.test | X | X | |||
| Box.test | X | X | |||
| kpss.test | X | X | |||
| forecast | X |
函数兼容性
安装
以下是如何开始使用的方法。
包含最新功能的开发版本：
# install.packages("remotes")
remotes::install_github("business-science/sweep")
更多信息
sweep包包含几个vignettes，帮助用户快速上手：
- SW00 -
sweep简介 - SW01 - 在tidyverse中预测时间序列组
- SW02 - 使用多个模型进行预测
