在R中工作时，我开始知道
SES：-简单的指数平滑函数，它考虑了数据的随机波动，但不考虑任何趋势或季节性。然后是霍尔特的模型，它考虑了任何趋势或随机数据，但不包括季节性。
霍尔特的冬季模型考虑了所有三种情景数据，如随机、趋势和季节性。
所以，如果我们使用霍尔特的冬季方法，我每次都会有点困惑，它总是会计算时间序列数据的所有场景，即随机、趋势和季节性？虽然没有随机性或趋势。那么，我应该更喜欢始终使用哪个平滑数据系列，使用时间序列数据进行建模？
拜托，有人可以解释一下吗？
我希望我的问题很清楚。如果没有，请评论我。
R 有 ets 包，它对数据应用趋势和季节性的指数平滑。但我建议使用集成方法进行预测以提高准确性。集成方法使用ForecastHybrid软件包生成点预测，同时梳理所有高级算法(Holt Winter，ARIMA，Neural，STM，TBAT(。