预测，（找到正确的模型）答案

【问题标题】：Forecasting, (finding the right model)预测，（找到正确的模型）
【发布时间】：2019-01-28 05:16:50
【问题描述】：

使用 Python，我正在尝试使用历史销售数据来预测产品的未来销售数量。我还试图预测各种产品组的这些计数。

例如，我的列如下所示：

Date Sales_count Department Item Color

8/1/2018, 50, Homegoods, Hats, Red_hat

如果我想建立一个模型，使用历史数据（时间）预测每个部门/项目/颜色组合的 sales_count，最好使用什么模型？

如果我对销售时间进行线性回归，我如何考虑各种类别？我可以将它们分组吗？

我会改为使用多元线性回归，将各种类别视为自变量吗？

【问题讨论】：

时间序列预测最常用的模型之一是 ARIMA（自回归综合移动平均线）。这是一个关于如何使用 ARIMA machinelearningmastery.com/… 进行分析和预测时间序列数据的很好的教程

标签： python pandas machine-learning regression forecasting

【解决方案1】：

我在 python 中预测的最佳方法是在 statsmodel 库中使用 SARIMAX（带有外生变量的季节性自回归综合移动平均线）模型。这是SARIMAX using python中一个非常好的教程的链接此外，如果您能够根据您的部门/项目？颜色组合对数据框进行分组，您可以将它们放在一个循环中并应用相同的模型。可能您可以为每个唯一组合创建一个键，并为每个键条件预测销售额。例如，

df=pd.read_csv('your_file.csv')
df['key']=df['Department']+'_'+df['Item']+'_'+df['Color']
for key in df['key'].unique():
    temp=df.loc[df['key']==key]#filtering only the specific group
    temp=temp.groupby('Date')['Sales_count'].sum().reset_index()
    #aggregating the sum of sales in that date. Ignore if not required. 
    #write the forecasting code here from the tutorial

【讨论】：