我正在开发一个库存管理系统,其中我有特定项目的每日/每月/每年的消费历史,这可能会或可能不会遵循重复趋势。为了在即将到来的时间范围内预测需求,推荐使用哪种模型/分布?
数据格式:数据是一系列(x, y)对,其中x是时间戳,y是消费计数。
据我研究,随机森林或基于树的模型不能有效地处理趋势模式,而线性模型似乎也不合适,因为数据似乎没有遵循线性模式。
这个问题可以用一个模型解决吗?线性回归模型应该用于这个问题吗?
我正在开发一个库存管理系统,其中我有特定项目的每日/每月/每年的消费历史,这可能会或可能不会遵循重复趋势。为了在即将到来的时间范围内预测需求,推荐使用哪种模型/分布?
数据格式:数据是一系列(x, y)对,其中x是时间戳,y是消费计数。
据我研究,随机森林或基于树的模型不能有效地处理趋势模式,而线性模型似乎也不合适,因为数据似乎没有遵循线性模式。
这个问题可以用一个模型解决吗?线性回归模型应该用于这个问题吗?
您正在寻找的模型称为 ARIMA,它们是时间序列模型,您可以在其中获取趋势、周期等。
ARIMA 模型允许您通过检测月/年周期、根据同一变量的历史记录的变量的自然增长(趋势)来对单变量数据进行建模。
线性模型(例如线性回归)应该可以完成工作,但是如果您正在寻找更复杂的模型,您可以在回归模型中添加更多复杂性,或者使用层数较少的深度学习模型。