python中的时间序列预测答案

【问题标题】：Time Series Forecasting in pythonpython中的时间序列预测
【发布时间】：2021-04-14 18:55:19
【问题描述】：

我有一个包含 300 行和 4 列的数据集：日期、时间、计数（在这一小时内在电视上发出了多少广告）、访问量（在这一小时内进行了多少次访问）。以下是数据示例：

如果我想测试电视广告对网站访问量的影响，我是否应该将其视为时间序列并使用回归？在这种情况下，输入表应该是什么样子？我知道我必须将日期划分为日和月，但是如果我的 y 是访问次数，如何处理计数列，保持原样？谢谢

【问题讨论】：

您只有一个输入和一个输出，只需根据访问量绘制计数，它就会向您展示计数如何影响访问量。你为什么要把它复杂化？
这是我的学习作业，命令指示我应该使用模型。

标签： python time-series

【解决方案1】：

为了避免单输入单输出回归模型的情况，您可以使用小时和计数作为输入并预测访问。我不知道小时是什么格式，如果它们是 12 小时格式，请在将它们提供给您的模型之前将它们转换为 24 小时格式。

【讨论】：

【解决方案2】：

如果您想预测时间序列中的下一个日期和小时，回归模型或经典时间序列模型（如 ARIMA、ARMA），指数平滑将很有用。

但是，由于您需要预测tv spot的有效性，我建议使用python中的tsfresh库生成特征，基于计数去除时间效应并使用机器学习模型进行预测，例如@ 987654323@或Gradient Boosting。

在你的问题中：

from tsfresh import extract_features
extracted_features = extract_features(df,
                                      column_id="Hour",
                                      column_kind=None,
                                      column_value="Counts",
                                      column_sort="time")

因此，您的目标表将是：

Hour    Feature_1     Feature_2    ...    Visits(Avg)
0      min(Counts)    max(Counts)  ...    mean(Visits)
1      min(Counts)    max(Counts)  ...    mean(Visits)
2      min(Counts)    max(Counts)  ...    mean(Visits)

min() 和 max() 只是示例特征，tsfresh 可以提取许多其他特征。访问here了解更多信息

【讨论】：