因此我尝试使用Apache Spark进行时间序列数据的功耗预测。数据样本是：
03.01.15;22:30;236,25
03.01.15;22:15;240
04.01.15;16:00;243,775
预测功耗的最佳方法是什么？
我尝试LinearRegression，Decision trees等等。我总是得到巨大的MSE（788）。
我尝试将月，日，小时，分钟作为OneHotEncoder。我尝试只做几周的预测等。
数据的方式year，month，day：
[2014.3996710526321,5.726973684210525,15.713815789473673]
数据的变化year，month，day：
[0.2403293809070049,10.218579294199253,77.46326844706495]
测试均方误差
788.2397552290726
如果我像LabeledPoint(236.25, 2015.0,1.0,3.0,22.0,30.0))那样直接传递值，则MSE会升至1280.8。如果我传递给模型，那么每天只有一次观察，这是最大值，这对它没有帮助。
但是如果我使用KNIME并尝试时间序列的例子，但是我的数据并没有考虑日期和时间，而是他们滞后于每次观察的功耗。
我看到Cloudera有Time Series的库，但我不明白为什么需要它。
有人可以描述对时间序列数据进行良好预测的过程吗？最后，我想输入日期和时间并进行预测。
答案 0 :(得分：0)
我对您的问题有多个问题，但让我尝试使用您给我的内容。
首先，让我们概括一下这个问题。
您的数据格式为<timestamp>, <value>。鉴于数据每15分钟收集2年，您的样本大小为（4 x 24 x 365 x 2） 70080 观察（行）
让我们说你想开发一个回归模型来预测它的行为。
首先，您需要将数据集划分为训练和测试集。您使用训练集开发模型，并在测试集上测试模型。我会建议9：1分裂。
<强> Q1。这是你采取的那种方法吗？
使用预测值与测试集中的实际值计算MSE。
<强> Q2。你提到了一个MSE - 我不知道如何计算（只提供3个数据点）或你正在使用的值范围。您能否确认您的错误计算方式以及最小化标准是什么？
如果线性回归失败（无法成功预测运动），则可能是您的模型过于简单 - 尝试使用MLP或将回归模型与贝叶斯模型相结合（因为功耗是连续函数）。