Question

我正在尝试使用randomforest进行时间序列分析。 PFB我的代码

Subsales<-read.csv('Sales.csv')
head(Subsales)

示例数据：

Date               SKU                            City   Sales
      <date>                               <chr>   <chr> <dbl>
1 2014-08-11 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   378
2 2014-08-18 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   348
3 2014-08-25 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   314
4 2014-09-01 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   324
5 2014-09-08 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   352
6 2014-09-15 Vaseline Petroleum Jelly Pure 60 ml Jeddah1   453


####Length of training & testing set Splitting it 80-20####

train_len=round(nrow(SubSales)*0.8) 
test_len=nrow(SubSales)



######Splitting dataset into training and testing#####

#### Training Set
training<-slice(SubSales,1:train_len) 
#### Testing Set
testing<-slice(SubSales,train_len+1:test_len)

training=training[c(1,4)]
testing=testing[c(1,4)]

library(randomForest)
set.seed(1234)
regressor = randomForest(formula=Sales~.,
                data=training,
                ntree=100)

y_pred = predict(regressor,newdata = testing)

当我在测试数据集上使用预测函数时，我得到一个静止的结果。所有预测值都是369，我尝试过另一个数据集我得到了相同的结果。谁能告诉我这里我做错了什么？

Answer 1

让我试着改写你的问题，以确保我准确地理解你想做什么。

您每天都有产品的销售额，并且您希望将销售额预测为未来日期的函数。您没有任何预测变量，例如客户数量，广告支出金额或其他任何内容。您的输入数据如下所示：

Date        Sales
2014-08-11  378
2014-08-18  348
2014-08-25  314
2014-09-01  324
2014-09-08  352
2014-09-15  453
...

我认为你的RandomForest表现得像预期的那样。随机森林是一种受监督的机器学习算法，它尝试在给定输入变量y（预测变量）的情况下预测x（响应，此处为：Sales）。在这里，您提供的唯一x是日期。但是，每个日期对于随机森林来说都是全新的，因此算法只能猜测当天产品的销售额是平均的。

您有两种选择：

选项1）坚持使用日期作为预测变量的方法。您将需要一种不同的方法，也许是一种自动回归方法，如ARIMA。该方法试图检测数据的趋势。销售是或多或少是静态的，增长的还是下降的？是否有每周趋势，月度趋势，年度趋势？可以找到一个让您入门的示例here

选项2）使用数据收集和功能工程创建可帮助RandomForest预测新日期值的功能。例如，尝试获取有关每天有多少客户来到商店的数据，或者提取星期几（星期一，星期二......）并将其作为单独的变量保存。 R-package lubridate将帮助您实现这一目标。下面是一个简短的例子：

library(lubridate)
Subsales <- mutate(Subsales, Weekday = wday(Date, label = TRUE))

希望这有帮助！

R中随机森林的时间序列预测

1 个答案: