在输入数据中具有多个特征的时间序列预测

Question

假设我们有一个时间序列数据，其中包含最近两年的每日订单数：

我们可以使用Python的statsmodels库来预测未来的订单：

fit = statsmodels.api.tsa.statespace.SARIMAX(
                  train.Count, order=(2, 1, 4),seasonal_order=(0,1,1,7)
      ).fit()

y_hat_avg['SARIMA'] = fit1.predict(
                      start="2018-06-16", end="2018-08-14", dynamic=True
                      )

结果（不要介意数字）：

现在假设由于公司假期或促销活动，我们的输入数据会有一些不寻常的增加或减少。因此，我们添加了两列来说明每天是否是“假期”和公司是否有“促销”。

是否存在使用这种新型输入数据的方法（以及在Python中实现该方法的方法），并帮助该模型理解异常值的原因，并通过提供“假期”和“ promotion_day”来预测未来的订单信息？

fit1.predict('2018-08-29', holiday=True, is_promotion=False)
# or
fit1.predict(start="2018-08-20", end="2018-08-25", holiday=[0,0,0,1,1,0], is_promotion=[0,0,1,1,0,1])

Answer 1

SARIMAX，作为SARIMA模型的概括，旨在处理此问题。在docs中，

  

参数：

     

  
• endog（array_like）–观察到的时间序列过程y;
  
• exog（array_like，可选）–外来回归数组，形状为(nobs, k)。
  

您可以将holiday和promotion_day作为大小为(nobs, 2)的数组传递给exog，这将为模型提供一些观察结果的外生性质。

Answer 2

此问题具有不同的名称，例如02040202080030，"BlacksCrosswicks"和anomaly detection。

Uber工程博客上有一些博客文章，可能有助于理解问题和解决方案。请查看here和here。

Answer 3

尽管它不是来自statsmodels，但是您可以使用facebook的先知库进行时间序列预测，在其中可以将带有重复事件的日期传递给模型。 参见here。

Answer 4

尝试一下（根据您的问题/数据，它可能会或可能不会起作用）：

您可以将日期划分为多个功能，例如星期几，月份中的某天，一年中的某年，某年，是月中的最后一天？是月中的第一天？再考虑一下，然后再使用一些常规的ML算法（例如，Random Forests或Gradient Boosting Trees或Neural Networks）（特别是针对您的分类特征嵌入层）来训练模型。