1

我是 1000 位客户的时间序列数据,关于他们在过去 2 年的购买次数。我能够为整个数据集构建时间序列预测模型。但是现在我想为 1000 个客户中的每一个建立预测模型,解决这个问题的最佳方法是什么。

PS:我能想到的一种方法是对 1000 个客户中的每一个进行迭代,并为每个客户构建单独的模型。但从长远来看,它不会是可行的解决方案

有人可以用更好的方法帮助我吗

样本数据:

custmore_id,date,count_order
1,2015-06,24
1,2015-07,26
...
1,2017-08,320
2,2015-06,12
2,2015-07,32
..
2,2017-08,500
4

1 回答 1

0

First , create a function def Forecast(costumer_id,prediction_date): df_customer = df[df['customer_id']==customer_id] do forecasting on df_customer return forecast for customer and prediction_date then use the Pool method of multiprocess library to parallel process the customers:

pool.map(Forecast,np.unique(df['customer_id'])) and finally concat the results

于 2018-01-12T09:37:45.673 回答