时间序列数据？面板数据？

Question

我有来自 170 种不同条件的数据，每种条件都有不同数量的制冷剂、管道等。我知道这是少量数据，但我想用它来创建一个模型，预测新条件下温度的变化或一时间步后的温度是多少。不过，我有几个问题希望您能解答。

1. 这是什么样的数据：时间序列数据还是面板数据？
2. 您有适合数据的方法推荐吗？
3. 首先，我试图拟合“Autogluon”的时间分析，但在一个实验中，制冷剂的量、压力等是相同的，将其作为变量是否正确？ （我不知道如何做到这一点，因为它不是随时间变化的变量）如果您能给我一个答案，我将非常非常感激。 ++ 我刚刚检查了结果，它说没有可供拟合的模型...

我想要一个针对多个数据进行训练的模型，而不是针对每种条件的模型。

Answer 1

回答

--> 因为它由同一变量（温度）随时间的多次观察（170 个条件）组成，所以您的数据是面板数据。另一方面，时间序列数据是跨时间对变量的一系列观察，观察的顺序很重要。

--> 即使制冷剂量、压力等不随时间变化，将它们作为变量包含在 AutoGluon 中也是正确的。 AutoGluon 会将这些变量视为固定效应，估计每个条件的单独截距。

--> 您可以尝试以下步骤吗

import autogluon.timeseries as ts
import pandas as pd

df = pd.read_csv('your_data.csv')
dataset = ts.TimeSeriesDataset(df)
train_set, test_set = dataset.split(0.8)
predictor = ts.AutoGluonTimeSeriesPredictor()
predictor.fit(train_set)
test_rmse = predictor.evaluate(test_set)
test_predictions = predictor.predict(test_set)

// Make predictions on new data:
new_data = pd.DataFrame({'temperature': [50, 60, 70]})
new_predictions = predictor.predict(new_data)

-> 我认为这对你很有帮助。如果您遇到一些问题，请告诉我，我会尽力解决它。谢谢。