【发布时间】：2020-02-18 01:19:10
【问题描述】：
无人驾驶 AI 是否支持多变量时间序列分析？
我正在尝试进行时间序列分析异常预测，我需要根据地理位置（位置）和故障单类型来预测事件管理故障单计数的峰值。
【问题讨论】：
标签： driverless-ai
【发布时间】：2020-02-18 01:19:10
【问题描述】：
是的，确实如此。当使用多变量时间序列建模时，感兴趣的时间序列是目标，而其他时间序列将用于进行预测。数据格式看起来与this example 中的完全一样（不特定于无人驾驶 AI）或参见 H2O.ai 文档中的concrete time series example，其中目标时间序列为Weekly_Sales，其他时间序列变量为Temperature 和Fuel_Price。
有几个与多变量时间序列设置相关的设置：
- Unavailable at Prediction Time：指定其他时间序列列（目标列除外），这些列仅具有使用它创建的滞后相关特征。
- Probability to Create Non-Target Lag Features：指定创建非目标滞后特征的概率值（0 到 1 之间的任何值）。对于多元时间序列，如果不应该使用目标滞后进行预测，该值可能会高达 0.9 甚至 1。
更新
本着问题Multivariate vs Multiple time series 的精神，添加有关使用无人驾驶AI 建模时间序列的更多信息。它还支持使用time groups columns (TGC) 的多时间序列（相对于上面的多变量时间序列）。事实上，任何时间序列数据集都会被自动解析以识别此类组（或者，TGC 由用户明确指定）。将 TGC 视为分类无人驾驶 AI 会构建多个时间序列 - 一个用于 TGC 中每个独特的值组合。
以下设置可让用户细化时间序列模型如何利用 TGC：
- Consider TGC as Standalone Features
- Which TGC Feature Types to Consider as Standalone Features
- Always Group by All Time Groups Columns for Creating Lag Features
TGC 功能与多变量时间序列结合使用，因此对于每个组，无人驾驶 AI 都保持如上所述的多变量时间序列功能。
【讨论】：