我有一个代表某些产品每天销售额的数据集。它包含 30000 个观测值和 6 个特征（包括目标）。由于我的任务是预测售出的件数，因此我决定使用 ARIMA 模型（在此处遵循本教程）。
我意识到自动 ARIMA 的唯一预处理步骤是删除除目标之外的所有列。（因为自动 ARIMA 训练以前的值）。
所以，我的问题是：不执行任何特征选择而只将目标变量保留在 ARIMA 中是否很常见？
谢谢你。
ARIMA 模型是否有特征选择过程？
数据挖掘
时间序列
预测建模
特征选择
2022-02-24 11:10:13
1个回答
从某种意义上说，在拟合 ARIMA 模型之前进行特征选择是很常见的，或者至少是自然的（在我看来）。
问题在于，可以使用外生变量（如 ARIMA）的统计时间序列模型的自动特征选择技术似乎几乎没有发展。因此，我们如何进行特征选择尚不清楚。更糟糕的是，auto.arima 不对外生变量进行任何特征选择，它只是使用 AICc 来找到模型的最佳顺序（在其默认设置中以逐步方式）。如果您在模型中包含外生变量，它们将始终包含在选择过程中的所有模型中。
基本上，进行变量选择的一种方法是尝试所有可能的外生变量组合，使用 auto.arima 找到基于 AICc 的“最佳”顺序，记录该模型的 AICc（回想一下，AICc 会惩罚具有大量拟合的模型不会以合理的量增加模型可能性的参数），然后从所有外生变量组合中选择绝对最佳模型。有点痛苦，而且可能非常耗时。
我希望这有帮助。