Автоплот строит ТОЛЬКО прогноз для ETS, используя басни для временных рядов в R

Question

Я играл с прогнозом, басней и тибблом, и работал на примерах Роба Хиндмана ЗДЕСЬ. Когда я добираюсь до конца примера "auscafe", автоплот, который выходит, предназначен ТОЛЬКО для прогноза, а не для исходного графика, плюс прогноз, как показано (и ожидается).

Что мне здесь не хватает?

library(fpp2)
library(tsibble)
library(fable)
data("auscafe")

# Make auscafe a tsibble and confirm 
cafe <- as_tsibble(auscafe)
cafe


# Take a look
autoplot(cafe)

# ETS model noodling after Hyndman's 2018 presentation  
# https://robjhyndman.com/seminars/isf-fable/

cafe %>% ETS(value) %>% summary

cafe %>% ETS(value) %>% forecast() %>% summary()

cafe %>% ETS(value) %>% forecast() %>% summary(level=90)

# See Hyndman slide 11: He gets the original series PLUS the forecast
# When I run this, I get a plot of ONLY the forecast, 
# i.e., 2008-07 to 2010-07

cafe %>% ETS(value) %>% forecast() %>% autoplot()

Answer 1

Я также разместил это в репозитории tidyverts/fable git и получил отличный ответ от Митчелла О'Хара-Вайлда:

Со времени презентации пакет претерпел несколько изменений, поскольку мы выясняем, как лучше всего реализовать эти функции.

На момент презентации пакет fable был просто оберткой для пакета прогноза, поэтому fable::ARIMA будет вызывать прогноз::auto.arima. С тех пор метод ARIMA был заново реализован с нуля, и, как говорится об ошибках, в настоящее время не поддерживается выбор различий. На данный момент порядок интеграции должен быть указан с моделями спец. Например, pdq(d=1) + PDQ(D=1) будет включать как сезонную, так и несезонную разницу. Эта функциональность будет добавлена ​​в ближайшее время.

Мы также изменили работу прогнозов. Прогнозы теперь содержат только прогнозируемые значения в будущем, поэтому данные, используемые для обучения модели, больше не включаются. Исторические данные для прогнозов могут быть включены путем предоставления данных в качестве первого аргумента для автоматического построения.

prison %>% ETS(count) %>% forecast() %>% autoplot(prison)