我的培训数据包含库存价格和40个蒙版功能。这些屏蔽功能也出现在我的测试数据中。我想预测测试数据中的价格列。我可以将其解决为正常的监督学习问题,而不是将其视为时间序列问题,因为我有足够的自变量来预测测试数据中的目标变量。
更重要的是,我该如何处理这个问题。
来自Facebook的FBProphet图书馆可以根据您的需求进行调整。
这是一个基于Trend + Seasonality + Holidays + Error的强大库
这也有自动变点趋势检测和异常值检测。
另外,我怀疑我所拥有的数据是否可以用于时间序列预测。
我附上了振动散点图的截图。
数据看起来很奇怪(x轴上的某些值> 1)。分散为什么?
我有压缩机的每日振动数据(大约1500个样本),并希望再预测30天。我尝试了ARIMA,但效果不佳。
实际上,有几种方法可以同时预测n值:
BTW有一个很好的答案:https://stats.stackexchange.com/a/354849/183391
但首先,检查您的数据,必要时插入(两种方式),考虑nan
(如果有)。我认为,你必须花费更多的时间在数据处理上,而不是模型拟合上。
并且,不要忘记,时间序列有时可以通过线性回归和其他模型预测!根据情节的形状,它也可以是一个很好的方法!