我想知道我应该选择哪种模型来预测月度销售额。对于1.5年的小数据，我应该选择回归方法还是时间序列方法？
答案 0 :(得分：1)
我要做的第一步之一就是清楚地确定您拥有多少个功能。
如果是单变量预测（对单个变量进行时间观察），则您极有可能会采用统计方法，例如ARIMA / SARIMA（我假设季节性的概念是已知的；否则，请阅读属性时间序列：https://www.dummies.com/programming/big-data/data-science/key-properties-of-a-time-series-in-data-analysis/。
如果您具有多个功能（可以在多个变量的时间进行观察），则可以首先尝试使用VAR（向量自回归）。
首先尝试这些模型，然后再进行更复杂的模型，例如LSTM / CNN
支持@Nicolae Petridean的主张时，应始终应用Occam的Razor原理：从简单的模型开始，只有尝试了几种简单的模型后，您才能逐步学习深度学习技术。
此外，请记住，与简单的统计/数学模型甚至传统的机器学习模型相比，对于后者，您将需要更多的数据。
答案 1 :(得分：0)
取决于您拥有的一个或另一个的数据，可能会起作用。或其他技术。使用这两种技术中的每一种尝试2个简单的模型，并针对通用的验证数据集进行验证。这样，您将得到答案。除非对您要训练的数据有相当深入的了解，否则没有人可以回答您的问题。从我的肚子里我可能会从回归开始，但最后我认为您最终将使用其他东西。总是一个好选择，首先从简单的模型开始，以更好地理解问题，然后逐步微调或执行其他技巧和更复杂的模型，这取决于您已经学习或不学习的模型。
看看这场Kaggle比赛：https://www.kaggle.com/c/competitive-data-science-predict-future-sales
从那里检查几本笔记本，也许您会进一步了解在这种预测中什么有效或无效。
链接到笔记本：https://www.kaggle.com/c/competitive-data-science-predict-future-sales/notebooks