在时间序列问题中,是否可以通过学习其他项目的模式来预测数量?我有哪些选择?

数据挖掘 机器学习 Python 深度学习 r 时间序列
2022-02-28 00:04:33

假设我拥有一家销售各种苹果的商店,并且我每个月都有以下统计数据。

  • 报告日期
  • 苹果类型 (TA)
  • 可用数量(QA)
  • 过去 30 天的销售量(QS30)
  • 发货数量 (QSI)
  • 订购数量(QN)

让我们做出以下假设/给定:

  • 苹果分为三种:红苹果、青苹果和黄苹果。

  • T(1) 表示第一个月,T(60) 表示第 60 个月。

  • QA@T(i + 1) = QA@T(i) + QSI@T(i) - QS30@T(i+1)


我可以为每个苹果提供 T1-60 的所有数据。

我还可以为每个苹果提供除 QN 之外的 T61 的所有数据。

我的目标是在 T61 或每个苹果的第 61 个月预测 QN。


如果我只关心红苹果,我可以将 ARIMAX 与仅与红苹果或 VAR 有关的数据使用,对吗?

但是,如果我突然引入一种新的苹果类型,比如橙苹果,并且只有 T1-4 的历史怎么办?

鉴于我需要将 T1-4 用于橙苹果...是否可以使用来自红色、绿色和黄色的其他数据来帮助正确计算 T5 橙苹果的 QN 值?

1个回答

如果我只关心红苹果,我可以将 ARIMAX 与仅与红苹果或 VAR 有关的数据使用,对吗?

是的,有可能,您会丢失信息(也许是有价值的),但您可以使用它。

但是,如果我突然引入一种新的苹果类型,比如橙苹果,并且只有 T1-4 的历史怎么办?

鉴于我需要将 T1-4 用于橙苹果...是否可以使用来自红色、绿色和黄色的其他数据来帮助正确计算 T5 橙苹果的 QN 值?

您将仅限于橙色苹果的知识,但其他变量可能会帮助您获得足够的信息,直到您可以拥有更强大的模型,4 个条目可能还不够,但该模型可能会帮助您获得估计