在预测时间序列时，可以将问题从经典时间序列（ARIMA 类型的模型）更改为监督学习（通过添加滞后特征）。
当时间序列很长并且您将其转换为监督学习时，您最终会拥有很多特征。
如果我们之前使用 ARIMA 进行了建模并找到了 AR、I、MA 参数。
我们可以使用这些知识/参数来选择滞后特征的子集吗？
将时间序列转换为监督学习时使用 ARIMA 参数
数据挖掘
机器学习
时间序列
特征选择
特征工程
监督学习
2022-02-20 05:53:39
1个回答
是的。可以用。如果您使用 acf、pacf 找到滞后模式，您可以生成滚动平均值或中值时间序列作为特征工程的一部分。并使用组合特征进行监督学习。
但是，需要注意的关键重要事项之一：在开始时基于时间序列的交叉验证以避免数据泄漏，否则您的指标将是不合理的好。
其它你可能感兴趣的问题