R 如何处理具有多个0'；s
我有从0到3000万的时间序列数据。它基本上是每周的网络流量数据。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一系列数据。我用prophet模型尝试了box-cox变换。我不确定我可以使用什么标准来评估模型的性能。数据有很多0。我无法从数据集中删除它们。除了Box-Cox变换，还有更好的方法处理0吗？我对反变换有问题，但我在数据中添加了一个小值（0.1）以避免负值 如果您的系列有大量周期性零数据，这是一种单向方法。这基本上是针对间歇性需求的产品的预测策略。您也可以尝试指数平滑和传统的ARIMA、SARIMA模型，并在预测中剪裁负值（这取决于您的使用案例）。 您可以在R 如何处理具有多个0'；s,r,time-series,forecasting,R,Time Series,Forecasting,我有从0到3000万的时间序列数据。它基本上是每周的网络流量数据。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一系列数据。我用prophet模型尝试了box-cox变换。我不确定我可以使用什么标准来评估模型的性能。数据有很多0。我无法从数据集中删除它们。除了Box-Cox变换，还有更好的方法处理0吗？我对反变换有问题，但我在数据中添加了一个小值（0.1）以避免负值 如果您的系列有大量周期性零数据，这是一种单向方法。这基本上是针对间歇性需求的产品的预测策略。您也可以尝试指数平滑和传统的AR
forecast如果您的系列有大量周期性零数据，这是一种单向方法。这基本上是针对间歇性需求的产品的预测策略。此外，您还可以尝试指数平滑和传统的ARIMA、SARIMA模型，并在预测中剪裁负值（这取决于您的用例）。 您可以在
forecast