我有0到3000万的时间序列数据。它基本上是网络流量周数据。我正在用这些数据建立一个预测模型。我想了解如何处理这个范围的数据。我试过用Prophet模型进行Box Cox转换。我不确定我可以用什么指标来评估模型的性能。数据中有很多0。我不能从数据集中删除它们。除了Box Cox变换之外，还有没有更好的方法来处理这些0？我在逆向变换中遇到了问题，但我在数据中添加了一个小值（0.1）以避免负值。
如果你的系列有很多周期性的零数据。克罗斯顿法 也可以尝试指数平滑和传统的ARIMA,SARIMA模型，并在预测中剪去负值（这要根据你的使用情况而定），你可以在Croston方法中找到。forecast 包。
也可以参考这些链接。
https:/stats.stackexchange.comquestions8779analysis-of-time-series-with-many-zero-values8782。https:/stats.stackexchange.comquestions373689forecasting-intermittent-demand-with-zero-in-times-series。https:/robjhyndman.compapersforesight.pdf