Crostonメソッドの計算方法

Question

"crost {tsintermittent}"と "croston {forecast}"がサンプル内（トレーニング）値を計算する方法の詳細を理解しようとしています。それらは類似しているが異なる結果を与えるようである。 （以下のサンプルコードを参照）2つの計算が異なるかどうか、または同じ結果を比較しないかどうかはわかりません（各パッケージは異なる用語を使用しています）。

library (tsintermittent) 
library (forecast) 
# create an intermittent time-series 
x = c(5,5,5,5,5,5,6,8,0,8,0,8,0,0,4,0,0,6,7,0,0,0,9,0,11,0,0) 
x_crost = crost(x,h=5) # from the tsintermittent package 
x_croston=croston(x,h=5) # from the forecast package 
x_croston$fitted 
y=data.frame(x,x_crost$frc.in,x_croston$fitted) 
y # viex_croston results 
plot(x_croston) 
lines(x_croston$fitted, col="red") 
lines(x_crost$frc.in,col="blue") 

Answer 1

1つは最適化パラメータを使用し、もう1つは最適化パラメータを使用しません。 forecast::crostonは、共通のスムージングパラメータ（alpha=0.1がデフォルト）を使用して、非ゼロ需要系列と非ゼロ需要間の時間に2つのETS（A、N、N）モデルを適合させ、初期状態をそれぞれの最初の値シリーズ。 tsintermittent::crostは同じ2つのモデルに適合しますが、平滑化パラメータと初期値の値を最適化します（デフォルトでMean Absolute Rateを使用）。