输入数据中具有多个特征的时间序列预测

Question

假设我们有一个时间序列数据，其中包含过去两年的每日订单数：

我们可以使用 Python 的 statsmodels 库预测未来的订单：

fit = statsmodels.api.tsa.statespace.SARIMAX(
                  train.Count, order=(2, 1, 4),seasonal_order=(0,1,1,7)
      ).fit()

y_hat_avg['SARIMA'] = fit1.predict(
                      start="2018-06-16", end="2018-08-14", dynamic=True
                      )

结果（不要介意数字）：

现在假设我们的输入数据有一些不寻常的增加或减少，因为假期或公司的促销活动。因此，我们添加了两列，分别说明每一天是否是 "holiday" 以及公司有过的一天 "promotion".

是否有一种方法（以及在Python中实现它的方法）使用这种新型输入数据并帮助模型理解异常值的原因，并通过提供预测未来的订单"holiday" 和 "promotion_day" 信息?

fit1.predict('2018-08-29', holiday=True, is_promotion=False)
# or
fit1.predict(start="2018-08-20", end="2018-08-25", holiday=[0,0,0,1,1,0], is_promotion=[0,0,1,1,0,1])

Answer 1

这个问题有不同的名称，例如 anomaly detection、rare event detection 和 extreme event detection。

优步工程博客上有一些博客 post 可能有助于理解问题和解决方案。请看here and here.

Answer 2

虽然它不是来自 statsmodels，但您可以使用 facebook 的 prophet 库进行时间序列预测，您可以在其中将具有重复事件的日期传递给您的模型。参见 here。

Answer 3

试试这个（根据您的 problem/data 它可能有效也可能无效）：

您可以将日期拆分为多个特征，例如星期几、月几、年月、年，它是月中的最后一天吗？是月中的第一天吗？还有更多，如果你想到它然后使用一些普通的 ML 算法，如随机森林或梯度提升树或神经网络（特别是为你的分类特征嵌入层，例如星期几）来训练你的模型。

Answer 4

SARIMAX 作为 SARIMA 模型的概括，旨在准确处理此问题。来自docs,

Parameters:

endog (array_like) – The observed time-series process y;

exog (array_like, optional) – Array of exogenous regressors, shaped (nobs, k).

您可以将 holiday 和 promotion_day 作为大小为 (nobs, 2) 的数组传递给 exog，这将告知模型其中一些的外生性质观察。

输入数据中具有多个特征的时间序列预测

Time Series prediction with multiple features in the input data

python

machine-learning

time-series

statsmodels