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？
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/