用于时间序列分析的目标变量

Question

我是第一次进行时间序列预测，对如何创建目标变量几乎没有什么困惑。数据如下：

我正在尝试预测2019年第一季度客户A的销售百分比变化。我想得出目标的一种方法是过去3个月的移动平均值和1的变动。经过操纵，看起来：

但是我感到困惑的是，我应该选择4月的目标的平均1月，2月，3月还是1月的目标的平均2月，3月，4月？

Answer 1

时间序列预测基于自相关原理，例如Xn to Xn+100和Xn+time_lag to Xn+100+time_lag中的y

您会注意到时间滞后越大，自相关越小，并且模型的预测能力越差：

如果创建滚动平均值，则会丢失信息，从而创建模糊目标。我会使用target本身来获得更好的预测。

我的意思是，您使用与target和x_train相同的变量y_train，在它们之间造成了时间差。

然后，您可以使用ARIMA，LSTM神经网络，线性回归，神经网络，时间卷积网络从输入映射到目标。

检查数据的自相关级别：

from pandas.plotting import autocorrelation_plot
autocorrelation_plot(dataframe['target'])