我有一个数据集，其中包含六个月内用户的网站使用行为。它包含有关以下数据：
这里的所有东西都是在六个月的时间内收集的。我已经使用这些数据来训练模型来预测目标变量“ y”。一切都是数字格式。
现在我知道了它的六个月数据，并且该模型基于这六个月的数据，因此我可以使用它来预测接下来六个月的数据，以获得目标变量y。
我的问题是，如果我不是使用模型来预测六个月的时间框架，而是使用模型来预测一个月的时间框架，会给我不正确的结果吗？
我的逻辑告诉我是，例如，我使用了决策树和随机森林之类的树方法，这些算法使阈值产生输出“ 0/1”。现在，如果我们从一个月的角度来看它，或者从六个月的角度来看，我上面提到的变量（例如关联的cookie数量，操作系统，浏览器等）将具有不同的值。例如，与用户相关联的唯一Cookie的数量如果在一个月内看到会减少，而从6个月的角度来看会增加。
但是我对模型是否会在运行每月数据时自动调整这些值感到困惑。请您帮助我了解如果我认为是对还是错。另外，请尽可能提供合理的解释。
谢谢。
答案 0 :(得分：0)
您的最小测量单位是6个月吗？我希望不会，但是如果是的话，那么我建议您不要尝试预测接下来的1个月。
除了一年内的季节性外，您还需要每天进行体积测量。.我非常担心要根据每月甚至每周的数据来建立任何东西。
在建模技术方面，请坚持使用像kungphu建议的简单回归方法。