在 R 中使用随机森林进行时间序列预测

Question

我正在尝试使用随机森林进行时间序列分析。 PFB 我的代码

Subsales<-read.csv('Sales.csv')
head(Subsales)

样本数据：

Date               SKU                            City   Sales
      <date>                               <chr>   <chr> <dbl>
1 2014-08-11 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   378
2 2014-08-18 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   348
3 2014-08-25 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   314
4 2014-09-01 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   324
5 2014-09-08 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   352
6 2014-09-15 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   453


####Length of training & testing set Splitting it 80-20####

train_len=round(nrow(SubSales)*0.8) 
test_len=nrow(SubSales)



######Splitting dataset into training and testing#####

#### Training Set
training<-slice(SubSales,1:train_len) 
#### Testing Set
testing<-slice(SubSales,train_len+1:test_len)

training=training[c(1,4)]
testing=testing[c(1,4)]

library(randomForest)
set.seed(1234)
regressor = randomForest(formula=Sales~.,
                data=training,
                ntree=100)

y_pred = predict(regressor,newdata = testing)

当我在测试数据集上使用预测函数时，我得到了一个固定的结果。所有预测值都是 369，我尝试了另一个数据集，我得到了相同的结果。谁能告诉我我在这里做错了什么？

Answer 1

让我试着重新表述你的问题，以确保我准确理解你想要做什么。

您有一个产品每天的销售额，并且您希望根据未来日期的函数来预测销售额。您没有任何预测变量，例如客户数量、广告花费或其他任何变量。您的输入数据如下所示：

Date        Sales
2014-08-11  378
2014-08-18  348
2014-08-25  314
2014-09-01  324
2014-09-08  352
2014-09-15  453
...

我认为您的 RandomForest 的行为符合预期。随机森林是一种有监督的机器学习算法，它试图在给定输入变量x（预测变量）的情况下预测y（响应，这里：销售）。在这里，您提供的唯一x 是日期。但是，对于随机森林来说，每个日期都是全新的，因此算法只能猜测当天您的产品销售额将是平均水平。

你有两个选择：

选项 1) 坚持仅使用日期作为预测变量的方法。您将需要一种不同的方法，也许是一种自回归方法，例如 ARIMA。这种方法试图检测数据中的趋势。销售额或多或少是静止的、增长的还是下降的？有周趋势、月趋势、年趋势吗？可以找到帮助您入门的示例here

选项 2) 使用数据收集和特征工程创建特征，帮助您的 RandomForest 预测新日期的值。例如，尝试获取任何一天有多少顾客来到商店的数据，或者提取一周中的哪一天（星期一、星期二……）并将其作为单独的变量保存。 R-package lubridate 将帮助您做到这一点。下面是一个简单的例子：

library(lubridate)
Subsales <- mutate(Subsales, Weekday = wday(Date, label = TRUE))

希望这会有所帮助！