Question

我有一个时间序列单变量数据。所以只是TimeStamp和Value。现在我想推断（预测）第二天/月/年的这个值。我知道有一些方法，如Box-jenkins（ARIMA）等。

Spark有线性回归，我尝试过，但是我没有得到满意的结果。有没有人在Spark中尝试过时间序列的简单预测。可以分享他们的实施方法吗？

PS：我在用户邮件列表中检查了这个问题，几乎所有关于这个问题的问题都没有得到答复。

Answer 1

你可以看看Cloudera的时间序列库： https://github.com/cloudera/spark-timeseries

确实包括ARIMA。您还可以查看介绍它的博客文章： https://blog.cloudera.com/blog/2015/12/spark-ts-a-new-library-for-analyzing-time-series-data-with-apache-spark/

Answer 2

是的我已经将ARIMA应用于单一变量时间序列的火花中。

public static void main(String args[])
{
    System.setProperty("hadoop.home.dir", "C:/winutils");  

     SparkSession spark = SparkSession
              .builder().master("local")
              .appName("Spark-TS Example")
              .config("spark.sql.warehouse.dir", "file:///C:/Users/abc/Downloads/Spark/sparkdemo/spark-warehouse/")
              .getOrCreate();

    Dataset<String> lines = spark.read().textFile("C:/Users/abc/Downloads/thunderbird/Time series/trainingvector_arima.csv");

    Dataset<Double> doubleDataset = lines.map(line>Double.parseDouble(line.toString()),
            Encoders.DOUBLE());

    List<Double> doubleList = doubleDataset.collectAsList();
    //scala.collection.immutable.List<Object> scalaList = new

    Double[] doubleArray = new Double[doubleList.size()];
    doubleArray = doubleList.toArray(doubleArray);

    double[] values = new double[doubleArray.length];
    for(int i = 0; i< doubleArray.length; i++)
    { 
        values[i] = doubleArray[i];
    }

    Vector tsvector = Vectors.dense(values);

    System.out.println("Ts vector:" + tsvector.toString());

    //ARIMAModel arimamodel = ARIMA.fitModel(1, 0, 1, tsvector, true, "css-bobyqa", null);
    ARIMAModel arimamodel = ARIMA.autoFit(tsvector, 1, 1, 1);

    Vector forcst = arimamodel.forecast(tsvector, 10);

    System.out.println("forecast of next 10 observations: " + forcst);
   }

此代码适用于我。此处，您要预测的任何值都将作为输入数据传递。

如何进行时间序列简单预测？

2 个答案: