Machine learning 如何确定销售预测的预测模型

我想知道我应该选择哪种型号来预测月销售额。对于1.5年的小数据，我应该选择回归方法还是时间序列方法？

取决于您拥有的数据，其中一种可能有效。或其他技术。尝试使用这两种技术中的每一种来建立两个简单的模型，并用一个通用的验证数据集来验证它们。这样你就会得到你的答案。没有人能回答你的问题，除非你对培训数据有很好的了解。从我的肚子里，我可能会开始一个回归，但最终我认为你会使用其他东西。首先从简单的模型开始，以更好地理解问题，然后逐步微调或执行其他技巧和更复杂的模型，这始终是一个不错的选择，这取决于您已经学习或没有学习的模型

看看这场卡格尔大赛：

从那里查看几本笔记本，也许你会更了解这种预测中哪些有效，哪些无效

---

链接到笔记本电脑：

我要做的第一步是明确确定您拥有多少功能

对于单变量预测（单变量时间观测），您最有可能采用甚至统计方法，如ARIMA/SARIMA（我假设季节性的概念已知；如果不知道，请在此处阅读时间序列的属性：

如果你有多个特征（多个变量的时间观察），你可以首先尝试使用VAR（向量自回归）

首先尝试这些模型，然后再进行更复杂的模型，如LSTM/CNN

支持@Nicolae Petridean的肯定，Occam剃须刀的原则应该始终适用：从简单的模型开始，只有在尝试了几个简单的模型之后，才能进入深度学习技术

---

此外，请记住，对于后者，与更简单的统计/数学模型或甚至是经典的机器学习模型相比，您需要更多的数据。

查看帖子和他们参考的论文。Ok看起来很公平，感谢您的时间和上面的链接@Nicolae Petridean！非常感谢！也许是最好的答案。非常感谢@Timbus Calin