R代码 二次指数平滑之时间序列预测，划分训练集和验证集

以下是 R 代码实现二次指数平滑的时间序列预测，并划分训练集和验证集的方法：

# 加载所需的包
library(forecast)

# 读取数据
data <- read.csv("data.csv")
ts <- ts(data$Value, frequency = 12, start = c(2010, 1))

# 划分训练集和验证集
train <- window(ts, end = c(2017, 12))
valid <- window(ts, start = c(2018, 1))

# 二次指数平滑
fit <- HoltWinters(train, beta = FALSE, gamma = FALSE)
pred <- predict(fit, n.ahead = 12)

# 绘制预测图
plot(ts, xlim = c(2010, 2020), ylim = c(0, 800), xlab = "Year", ylab = "Value")
lines(fit$fitted, col = "blue")
lines(pred$pred, col = "red")

# 计算预测误差
accuracy <- accuracy(fit)
accuracy

其中，数据文件为 data.csv，包含两列数据：时间和数值。代码中，首先使用 `ts()` 函数将数据转换为时间序列对象。然后，使用 `window()` 函数将时间序列划分为训练集和验证集。接着，使用 `HoltWinters()` 函数进行二次指数平滑，并使用 `predict()` 函数预测未来 12 个月的值。最后，使用 `plot()` 函数绘制预测图，并使用 `accuracy()` 函数计算预测误差。