使用Machine Learnnig预测行数

时间:2017-01-20 08:06:02

标签: python machine-learning regression prediction graphlab

我拥有大约4年不同分支机构的银行数据。我试图预测每日和每小时的行数。我有issue_datetime(年,月,日,小时)作为重要功能。我使用图形实验室应用了不同的回归技术(线性,决策树,随机森林,xgb),但无法获得更好的准确性。 我还在考虑根据过去的数据设置阈值,例如在删除异常值后将每日,每月等级的计数平均值设置为阈值。 什么是最好的方法?

1 个答案:

答案 0 :(得分:1)

由于您有1d时间序列数据,因此绘制数据并查找有趣的模式应该相对容易。

一旦确定数据存在一些非静态方面,您可能首先想要检查的模型类别是自动回归模型,可能还有季节性增加。 ARIMA模型是时间序列数据的标准。 http://www.seanabu.com/2016/03/22/time-series-seasonal-ARIMA-model-in-python/