用 6 年的数据集预测销售额-python

Question

我正在尝试根据 2014 年 1 月 1 日 ==> 2020 年 1 月 1 日的 6 年数据集来预测需求。 首先，我尝试按月重新组合需求，因此我最终得到了一个包含 2 列（月和销售额）和 72 行（12 月 * 6 年）的数据集。 P.s：我正在使用 python。

我的第一个问题是：知道我只有 72 行这一事实，是否足以预测明年（2020 年）。

我的第二个问题是，是否有任何模型可以建议我使用并且可以让我获得很好的准确性？

我尝试过结合季节性 (sarimax) 和 LSTM 使用 arima 模型，但它不起作用，我不确定我是否做得对。

我的第三个问题是：python中是否有任何测试可以告诉您是否存在季节性？

#shrink the dataset
dataa=data[(data['Produit']=='ACP NOR/STD')&(data['Région']=='Europe')]

gb2=dataa.groupby(by=[dataa['Mois'].dt.strftime('%Y, %m')])['Chargé (T)'].sum().reset_index()
gb2.Mois=pd.to_datetime(gb2.Mois)

[#create a time serie][2]
series = pd.Series(gb2['Chargé (T)'].values, index=gb2.Mois)


#decompose the dataset to 3 things: trend, seasonality and noise
from pylab import rcParams
import statsmodels.api as sm
rcParams['figure.figsize'] = 18, 8
decomposition = sm.tsa.seasonal_decompose(series, model='additive')
fig = decomposition.plot()
plt.show()


    #calculate acf and pacf to know in which order to stop

    from statsmodels.graphics.tsaplots import plot_acf
    from statsmodels.graphics.tsaplots import plot_pacf
    from matplotlib import pyplot

    pyplot.figure()
    pyplot.subplot(211)
    plot_acf(series, ax=pyplot.gca())
    pyplot.subplot(212)
    plot_pacf(series, ax=pyplot.gca())
    pyplot.show()

import itertools
p = d = q = range(0, 5)
pdq = list(itertools.product(p, d, q))
seasonal_pdq = [(x[0], x[1], x[2], 12) for x in list(itertools.product(p, d, q))]
print('Examples of parameter combinations for Seasonal ARIMA...')
print('SARIMAX: {} x {}'.format(pdq[1], seasonal_pdq[1]))
print('SARIMAX: {} x {}'.format(pdq[1], seasonal_pdq[2]))
print('SARIMAX: {} x {}'.format(pdq[2], seasonal_pdq[3]))
print('SARIMAX: {} x {}'.format(pdq[2], seasonal_pdq[4]))


    import warnings
    warnings.filterwarnings("ignore")
    for param in pdq:
        for param_seasonal in seasonal_pdq:
            try:
                mod = sm.tsa.statespace.SARIMAX(series,
                                                order=param,
                                                seasonal_order=param_seasonal,
                                                enforce_stationarity=False,
                                                enforce_invertibility=False)

                results = mod.fit()

                print('ARIMA{}x{}12 - AIC:{}'.format(param, param_seasonal, results.aic))
            except:
                continue

mod = sm.tsa.statespace.SARIMAX(series,
                                order=(0, 1, 2),
                                seasonal_order=(0, 4, 0, 12),
                                enforce_stationarity=False,
                                enforce_invertibility=False)

    results = mod.fit()

    print(results.summary().tables[1])
    results.plot_diagnostics(figsize=(16, 8))
    plt.show()
    #get predictions
    pred = results.get_prediction(start=pd.to_datetime('2019-01-01'), dynamic=False)
    pred_ci = pred.conf_int()

    ax = series['2014':].plot(label='observed')
    pred.predicted_mean.plot(ax=ax, label='One-step ahead Forecast', alpha=.8, figsize=(14, 7))

    ax.fill_between(pred_ci.index,
                    pred_ci.iloc[:, 0],
                    pred_ci.iloc[:, 1], color='k', alpha=.2)

    ax.set_xlabel('Date')
    ax.set_ylabel('Chargé (T)')
    plt.legend()

    plt.show()

预测与现实无关... 我真的很感谢任何人的帮助。

Answer 1

1. 据我所知，我们可以使用这样数量的 数据（这意味着您每个月使用 6 个数据点 拟合模型），但尽量使用尽可能多的数据 - 然后你的 准确性只会提高。
2. 时间序列中几乎总是存在一些季节性，甚至更多， 还有一个趋势。所以你需要分解你原来的时间 序列到趋势、季节和残差，所有预测都将是 用残差完成。关于模型 - ARIMA 就足够了 预测时间序列，使其更精确，只需调整您的 使用 PACF 和 ACF 的参数（p 和 q）。
3. 我们进行分解以使我们的时间序列平稳，换句话说
   • 从中提取残差（我们应该只在固定数据上训练我们的模型）。您宁愿检查平稳性，而不是季节性
   • 有 ADF 测试。

我对此进行了大量研究，并有一个关于 ts 预测的项目，here 是示例，其中描述了所有步骤：

Answer 2

回答您的第一个问题： 您收集的数据看起来很小，如果您可以每天收集数据以使您的模型做得很好，那就太好了。因为，循环神经网络在收集的数据元素的时间差较小时表现良好，我建议您每天收集数据，可以将您带到 (12 x 30 x 6) 它可以成为任何模型的最佳馈送。

第二个问题的答案： 我个人建议你尝试一下 LSTM，它有更多的数据和有价值的参数，并且在这篇 Medium 帖子中给出了一个很好的集合。Medium Post

性能随参数的变化而变化，因此在选择输入的参数时要谨慎。

第三个问题的答案： 通常使用称为“异常检测”的技术来检测季节性。在上面给出的中等帖子中也对此进行了小讨论。