我的时间序列数据范围从 0 到 3000 万。它基本上是网络流量每周数据。我正在用这些数据建立一个预测模型。我想了解如何处理这一系列数据。我尝试使用先知模型进行 box cox 转换。我不确定我可以使用哪些指标来评估模型的性能。数据有很多0。我无法从数据集中删除它们。除了 Box Cox 变换之外，还有更好的方法来处理 0 吗？我遇到了逆变换问题，但我在数据中添加了一个小值（0.1）以避免负值。
【问题讨论】：
标签： r time-series forecasting
如果您的系列有大量的周期性零数据，Croston method 是一种方式。它是对间歇性需求产品的基本预测策略。您也可以尝试指数平滑和传统的 ARIMA、SARIMA 模型并裁剪负值在预测中（这取决于您的用例）。
你可以在forecast包中找到croston方法。
也可以参考这些链接。
https://stats.stackexchange.com/questions/8779/analysis-of-time-series-with-many-zero-values/8782 https://stats.stackexchange.com/questions/373689/forecasting-intermittent-demand-with-zeroes-in-times-series https://robjhyndman.com/papers/foresight.pdf
【讨论】：