2

无人驾驶 AI 是否支持多变量时间序列分析？

我正在尝试进行时间序列分析异常预测，我需要根据地理位置（位置）和票证类型预测事件管理票证计数的峰值。

4

1 回答 1

1

是的，它确实。当使用多变量时间序列建模时，感兴趣的时间序列是目标，而其他时间序列将用于进行预测。数据格式与本示例中的完全相同（并非特定于无人驾驶 AI），或者请参阅 H2O.ai 文档以获取具体时间序列示例，其中目标时间序列为Weekly_Sales，其他时间序列变量为Temperature和Fuel_Price。

有几个与多元时间序列设置相关的设置：

  • Unavailable at Prediction Time：指定其他时间序列列（除了目标列），这些列仅具有使用它创建的滞后相关特征。
  • 创建非目标滞后特征的概率：指定创建非目标滞后特征的概率值（0 到 1 之间的任何值）。对于多元时间序列，如果不应该使用目标滞后进行预测，这个值可能会高达 0.9 甚至 1。

更新

本着多变量与多时间序列问题的精神，添加更多关于使用无人驾驶 AI 建模时间序列的信息。它还支持使用时间组列 (TGC)的多个时间序列（与上面的多变量时间序列相比） 。事实上，任何时间序列数据集都会自动解析以识别此类组（或者，TGC 由用户明确指定）。将 TGC 视为分类无人驾驶 AI 会构建多个时间序列 - 一个用于 TGC 中每个独特的值组合。

以下设置可让用户细化时间序列模型如何利用 TGC：

TGC 功能与多元时间序列结合使用，因此对于每个组，无人驾驶 AI 都保持如上所述的多元时间序列功能。

于 2020-02-10T04:09:45.660 回答