我的目标是创建一个时间序列模型
- 多个实体- 我有多个预购产品，它们都有类似的钟形曲线，在产品的发布日期偷看，但单位销售量不同，或者我可以使用它们的累积 slaes，什么是“S”形曲线。但是我只有大约 100 种产品 1 年的每日数据可以进行培训。
- 多变量- 我每天都有关于这些独立电影的各种数据：A.）人们将它们添加到愿望清单的次数，B.）页面浏览量，C.）在页面上花费的时间 AVG，-> Y。 ) 目标值是人们购买的产品数量（它是发布前的预购和发布日期之后的正常购买）
- 多步骤- 提前 60 天预测将是目标
- 每天刷新每个产品的预测——这是否需要我在整个数据集上重新训练模型？
已读
- 我发现可以对 1 个变量甚至多变量进行预测的算法。多步骤已经存在问题，我根本不知道如何添加多个实体部分。所以我不能对包含我发现的所有这 3 个部分的项目或指南进行优化
- 我已经尝试过 LSTM（具有不同数据集的 13 个不同模型），但在更长的“多步”上，它的工作时间不超过 1 或 2 天。我也不能让 LSTM 接受多个实体，所以我只是将每个产品数据在历史上一个接一个地链接起来，我明白这肯定不是最佳实践。
- Python 包不流行，所以我找不到它的项目 - https://stats.stackexchange.com/a/412355/256200
- 我总是看到这个 R 指南，但我不使用 R。我需要 Python 帮助 - https://otexts.com/fpp2/hierarchical.html
- 不是多个变量，也不是多步 - https://stats.stackexchange.com/questions/356008/multiple-time-series-prediction-python