Python SARIMAX-LSTM预测结果评估
我正在尝试为2000多种产品建立一个销售预测算法，现在坚持使用ARIMA/SARIMAX和LSTM模型。正如我所看到的，两个模型都可以使用数据而不使它们保持静止，因为ARIMA已经处理了数据，而LSTM足够复杂，可以处理这个问题。无论如何，我的问题是，对于ARIMA/SARIMAX模型，我选择季节性频率为7，因为我处理日常数据，正如我观察到的，大多数产品的季节性频率为7。对于许多产品，我可以获得预测结果，但我不确定它们是否合适。正如你在下面看到的，我的大部分预测结果都是周期性的，即使销售是周期性的，一周内也会出现上升下降，这两个模型都无法处理这些上升下降。我不确定下面这种结果在行业中是否被评为正常。简言之，任何评估预测结果的建议都是非常好的。我有2.5年的销售数据，并使用折扣、工作日、单价和四季特征作为外生变量（可能还不够，但我只有这些） 除了评估预测结果外，什么样的数据对销售预测是好的。例如产品分类销售的移动平均数？任何关于这方面的建议都会有帮助，谢谢 橙色线是预测的，蓝色线是真实的销售数据。Python SARIMAX-LSTM预测结果评估,python,neural-network,lstm,forecasting,arima,Python,Neural Network,Lstm,Forecasting,Arima,我正在尝试为2000多种产品建立一个销售预测算法，现在坚持使用ARIMA/SARIMAX和LSTM模型。正如我所看到的，两个模型都可以使用数据而不使它们保持静止，因为ARIMA已经处理了数据，而LSTM足够复杂，可以处理这个问题。无论如何，我的问题是，对于ARIMA/SARIMAX模型，我选择季节性频率为7，因为我处理日常数据，正如我观察到的，大多数产品的季节性频率为7。对于许多产品，我可以获得预测结果，但我不确定它们是否合适。正如你在下面看到的，我的大部分预测结果都是周期性的，即使销售是周期性