5

我有一个按天分组的数据库指标，我需要预测未来 3 个月的数据。这些数据具有季节性（我相信季节性是一周中的几天）。

我想使用 R 的 Holt Winters 方法，我需要创建一个时间序列对象，它要求频率，（我认为是 7）。但是我怎么知道我是否确定呢？有识别最佳频率的功能吗？

我在用着：

FID_TS <- ts(FID_DataSet$Value, frequency=7)

FID_TS_Observed <- HoltWinters(FID_TS)

如果我用 分解这些数据decompose(FID_TS)，我有：

在此处输入图像描述

这是我的第一个预测FID_TS_Observed：

在此处输入图像描述

当我回顾去年的历史时，它们在前 3 个月开始低，从第 3 个月上升到第 11 个月，然后再次下降。

也许我的每日数据，每天有每周季节性（频率=7）和每月季节性（频率=7x30=210）？我需要最后 365 天吗？

有什么办法可以按星期几和月份排列频率吗？另一件事，我把去年的全部时间或只是其中的一部分用于 Holt-Winters 方法有什么不同吗？

提前致谢 ：）

4

2 回答 2

1

通常，频率（或季节性，您似乎在帖子中交替使用这些词）是由领域知识决定的。例如，如果我在餐饮业工作，并且我正在分析每小时的客户数据集，我知道我将有一个 24 小时的频率，在午餐时间和晚餐时间出现峰值，另外还有 168 小时的频率（24 * 7）因为我的客户会有一个每周模式。

如果由于某种原因，您没有领域知识，您可以使用 ACF 和 PACF 以及傅里叶分析来为您的数据找到最佳频率。

有什么办法可以按星期几和月份排列频率吗？

霍尔特-温特斯，没有。HW 只需要一个季节性成分。对于多个季节性组件，您应该尝试 TBATS。正如Xiaoxi Wu 所指出的，FB Prophet 可以对多个季节性进行建模，Google 的 BSTS 包也可以。

另一件事，我把去年的全部时间或只是其中的一部分用于 Holt-Winters 方法有什么不同吗？

是的，它确实。如果您想对季节性进行建模，那么您需要至少两倍的季节性周期才能对其进行建模（最好更多），否则您的模型无法知道峰值是季节性变化还是仅是一次脉冲. 因此，例如，要对每周的季节性进行建模，您需要至少 14 天的训练数据（加上您将用于测试的任何内容，而对于年度季节性，您将需要至少 730 天的数据，等等......

于 2018-10-30T22:50:09.147 回答
0

看起来您有每日数据，并且想要预测未来三个月。这里的问题是您需要每日预测还是每周预测或仅需要每月预测？我猜你可能需要每日或每周的预测。如果您需要每周预测，可能更容易先按周对数据进行分组，然后再运行预测。

用于日常数据的一个非常好的工具是 Facebook 的新 Prophet 包。它将使用 dataframe 而不是 ts 项目，这使得它更容易处理。您可以从一些内置函数（如 plot_components）快速获取每日（如果您有每小时数据左右）、每周和每月的季节性。这是Facebook的快速入门教程。他们有适用于 Python 和 R 的 API。

这里有一些使用 Prophet 绘制每周和每月季节性（是否有）的快速代码。

library(prophet)
library(dplyr)
df <- FID_DataSet %>% rename(ds = date, y = Value)
m <- prophet(df)
future <- make_future_dataframe(m, periods = 365)
forecast <- predict(m, future)
plot(m, forecast) # plot out the forecast
prophet_plot_components(m, forecast) # plot out the components: trend, weekly and yearly seasonality if there is any.
于 2018-10-22T19:01:12.640 回答