不同来源的时间序列预测

Question

首先，我没有模型训练的经验，所以请温柔:)

我需要做出一些时间序列预测来处理与我的产品相关的问题。如果价值太低，我的客户会要求快速修复，直到发生这种情况他们才能知道。我收集了一些与不同客户但相同产品相关的数据。

数据_1

time	value
2020-09-20	600
2020-09-21	450
2020-09-22	350
2020-09-23	300
2020-09-24	150
2020-09-25	50

数据_2

time	value
2020-09-20	50
2020-09-21	600
2020-09-22	550
2020-09-23	400
2020-09-24	200
2020-09-25	50

当值达到 50 时，我们更改产品，它的值变为 600。我尝试了 facebook 的先知和 kats，他们根据训练数据进行预测。我想要的是用 data_1 & data_2 & data_3 训练......并用 data_4 进行预测，根据客户的不同，它可以从 50-600 开始。你的方法是什么？

TLDR

相同的产品，不同的来源。相同的日期，不同的值。将它们从 50-600 点中删除或将它们全部组合起来？如何接近 ML 模型？

Answer 1

“不同客户 - 相同产品”数据为您提供洞察力。但是每个产品数据（在每个客户中）可能都有自己的特征。

您必须检查每个客户的数据分布是否相同。如果不是，请获取每个客户的产品数据并进行计算。

对于时间序列方法，我想说您可以在 kats 和 facebook 先知本身中尝试许多算法并检查结果回测（MAPE 对您的问题有好处）。看看最好的（最小错误）并实施它。