如何分析包含多个来源的时间序列（例如，多个气象站的天气数据时间序列）

Question

我正在尝试建立机器学习模型，以预测整个时间段内每个邻域的VAR1。使用时间序列数据（年和月）。但是，数据包含许多邻域（这是分析的基础）。因此，每个邻居将重复3年* 12个月= 36次。

我需要将此数据与其他数据集合并。所有其他数据集都具有相同数量的区域，并且具有Year（年份），但是没有Month（月份）。

我需要有关如何将这些数据集结合在一起并进行分析的帮助。我在R工作。

在加入数据集时，我将尝试将其他数据集中的行转移到列中，以便每个区域的实例更少。

下面是一些数据集的某些标题的示例（在R中）：

head(df)
  Year     Month          District         Neighborhood          Gender       VAR1             
1 2017    January             1                 1                   M          2000
2 2017    January             1                 2                   M          350
3 2017    January             1                 3                   M          700
4 2017    January             1                 4                   M          400
5 2017    January             2                 5                   M          1000
6 2017    January             2                 6                   M          200

tail(df)
      Year  Month          District           Neighborhood      Gender       VAR1                
10577 2015 December            10                   69              F         200
10578 2015 December            10                   70              F         1000
10579 2015 December            10                   71              F         500
10580 2015 December            10                   72              F         350
10581 2015 December            10                   73              F         300
10582 2015 December            99                   99              F         770                 

我在两件事上需要帮助：

首先，我需要知道如何将上面的示例与其他没有月份的数据集合并。

我被困在如何进行EDA和分析该数据集的工作上，在这里将对您有所帮助。

Answer 1

您可以为每个源构建单独的模型，然后将它们简单地串联在一起。这是一个快速的video。

Answer 2

几个模型（ARIMA、HOLT 等）然后使用 Ensemble 模型。