python中的时间序列预测

我有一个包含300行和4列的数据集：日期、小时、计数（这一小时在电视上发布了多少广告）、访问量（这一小时内进行了多少次访问）。以下是数据示例：

如果我想测试电视广告对网站访问量的影响，我是否应该将其视为一个时间序列，并以回归为例？在这种情况下，输入表应该是什么样子？我知道我必须将日期分为日和月，但如果我的y是访问次数，如何处理计数列，保持不变？

---

谢谢

为了避免单输入单输出回归模型的情况，您可以使用小时数和计数作为输入并预测访问量。

---

我不知道小时的格式是什么，如果是12小时格式，则在将其输入模型之前将其转换为24小时格式。

如果要预测时间序列中的下一个日期和小时，回归模型或经典时间序列模型（如ARIMA、ARMA、指数平滑）将非常有用

但是，由于您需要预测tv spot的有效性，我建议使用python中的

tsfresh

库，基于计数生成特性以消除时间效应，并使用机器学习模型进行预测，例如

SVR

或

梯度增强

在你的问题中：

from tsfresh import extract_features
extracted_features = extract_features(df,
                                      column_id="Hour",
                                      column_kind=None,
                                      column_value="Counts",
                                      column_sort="time")

因此，您的目标表将是：

Hour    Feature_1     Feature_2    ...    Visits(Avg)
0      min(Counts)    max(Counts)  ...    mean(Visits)
1      min(Counts)    max(Counts)  ...    mean(Visits)
2      min(Counts)    max(Counts)  ...    mean(Visits)

---

min（）

和

max（）

只是示例功能，

tsfresh

可以提取许多其他功能。访问了解更多信息

您只有一个输入和一个输出，只需根据访问量绘制计数，它将显示计数如何影响访问量。你为什么要把它复杂化？这是我学习的任务，命令指示我应该使用模型。