R-预测多个时间序列(15K产品)
Hi Stack Overflow社区 我有超过15K种产品的5年每周价格数据(5*15K**52条记录)。每个产品都是一个单变量时间序列。目标是预测每种产品的价格 我熟悉单变量时间序列分析,在该分析中,我们可以可视化每个ts序列,绘制其ACF、PACF,并预测序列。但是,在这种情况下,单变量时间序列分析是不可能的,因为我有15K个不同的时间序列,无法分别可视化每个产品的每个时间序列、其ACF、PACF和预测,并对其进行调整/决策 我正在寻找一些建议和方向来解决这个多序列预测问题,使用R(更好)。任何帮助和支持都将不胜感激R-预测多个时间序列(15K产品),r,time-series,prediction,forecast,R,Time Series,Prediction,Forecast,Hi Stack Overflow社区 我有超过15K种产品的5年每周价格数据(5*15K**52条记录)。每个产品都是一个单变量时间序列。目标是预测每种产品的价格 我熟悉单变量时间序列分析,在该分析中,我们可以可视化每个ts序列,绘制其ACF、PACF,并预测序列。但是,在这种情况下,单变量时间序列分析是不可能的,因为我有15K个不同的时间序列,无法分别可视化每个产品的每个时间序列、其ACF、PACF和预测,并对其进行调整/决策 我正在寻找一些建议和方向来解决这个多序列预测问题,使用R(更好)
提前感谢。我建议您使用
forecast
软件包中的auto.arima
这样,您就不必搜索正确的ARIMA模型
auto.arima:根据AIC、AICc或BIC值返回最佳arima模型。该函数在提供的订单约束范围内对可能的模型进行搜索
fit我建议您使用forecast
软件包中的auto.arima
这样,您就不必搜索正确的ARIMA模型
auto.arima:根据AIC、AICc或BIC值返回最佳arima模型。该函数在提供的订单约束范围内对可能的模型进行搜索
fit谢谢@Steffen。我在其他一些解决方案中使用了auto.arima,并对其进行了考虑,但正在寻找更多的想法。我认为,它最适合单变量时间序列。欢迎您。对不起,我知道你在明确地搜索单变量方法。正如我所说,是的,你可能是对的——多元方法可能更适合。对于多变量时间序列,我实际上没有一个单一的方法。根据经验(当然也有一点依赖于数据集)特征工程(创建时间特征)+然后使用ML方法通常会得到最好的结果。对于m5竞赛的获胜者来说,这也非常有效。。。但在功能工程方面有很多工作。。。还有车型选择……谢谢@Steffen。我在其他一些解决方案中使用了auto.arima,并对其进行了考虑,但正在寻找更多的想法。我认为,它最适合单变量时间序列。欢迎您。对不起,我知道你在明确地搜索单变量方法。正如我所说,是的,你可能是对的——多元方法可能更适合。对于多变量时间序列,我实际上没有一个单一的方法。根据经验(当然也有一点依赖于数据集)特征工程(创建时间特征)+然后使用ML方法通常会得到最好的结果。对于m5竞赛的获胜者来说,这也非常有效。。。但在功能工程方面有很多工作。。。和型号选择。。。
fit <- auto.arima(WWWusage)
plot(forecast(fit,h=20))