让我们想象一个像这样的数据集：
Index Amount_in_checkout
01.02.2018 08:00:00 234.50
01.02.2018 08:05:00 234.50
01.02.2018 08:10:00 234.50
01.02.2018 08:15:00 236.75
01.02.2018 08:20:00 235.00
01.02.2018 08:25:00 234.50
01.02.2018 08:30:00 234.50
...
01.02.2018 19:55:00 332.50
现在，假设此数据集每5分钟跟踪一次商店拥有的金额。该商店的营业时间是从上午8点到晚上20点，因此没有任何关于从下午20点到早上8点会发生什么的信息。在这样的不规则时间戳上，有马会如何看待？
我的想法：
应该将一天中的所有行分组为一行（例如一天的第一行， freq ='D'） 并预测上午8点的期望值。我认为2的主意不好 原因：缺少大量数据和准确性，在此模型中白天发生的事情非常重要，其次，问题仍然存在，因为我们有周末和节假日，因此时间戳保持不规则。当然，数据集要小得多，包括一年的数据，包括周末和节假日，我们有300天。
应将日行划分为24个bin，首先或以最合适的方式进行平均，将行扩展至每天24h并预测一天中的每个小时（ freq ='h'< / em>）。该模型似乎更准确，但周末和节假日仍然存在问题。
我正在考虑为假日和工作日添加exog变量。对于某种程度上的数据，即使商店关门了，信息中仍然有一些信息（不完整），全天显示相同的金额。此解决方案是否可以告诉模型，周末或假日时“金额”不应更改？
我想要做的是保持线性且规则的时间戳，以避免天数不发生变化，因为我了解Arima的工作原理，但从未尝试过像这样的数据集。也许对此有另一种解决方案（？），或者只是删除了这些表格数据，而不使用这个exog vars（？）
PS。即使没有周末和节假日，模型也可以按天分组或分成24个容器，但并不能确保我的想法是正确的。有时候真的很准确，有时候会漏掉35％/ 40％，通常按照趋势按天分组，连续5天；如果延迟24个箱，则顺延24h。
我非常感谢一些链接，课程和书籍，以深入了解其工作原理。
在此先感谢您的英语：)