python - 日期变量回归 (python)

Question

我有一个时间序列(每日)数据集，由 1 个标签(整数)和 5 年内的 15 个特征组成。我不知道特征的含义，但我必须根据这些特征预测标签。

为此，首先，我使用 pandas.tools.plotting 中的 autocorrelation_plot 来确定标签 (y) 中是否有季节性。请参见下图:

然后我使用seasonal_decompose通过扫描Freq参数来查找我的标签(y)的季节性、趋势和残差:

• 您能否告诉我哪个频率合适，为什么？
• 下一步是什么？我是否需要从数据中删除趋势项和季节性项，然后尝试通过回归(例如 SVR、线性等)来建模和预测残差因子？或者我需要通过回归来预测整个数据(不删除季节性和趋势)。我尝试通过几种回归技术来预测整个数据(不去除季节性和趋势)，但结果非常糟糕。最后，我如何预测最后的季节？ ARIMA 还好吗？趋势呢？？？\ 3)我是否走在正确的轨道上(提取季节性等)，或者我应该将“日期”视为除其他 15 个特征之外的一个特征，例如:
• 一天中的某个小时(24 个 bool 特征)
• 一周中的哪一天(7 个 bool 功能)
• 一月中的某一天(最多 31 个 bool 特征)
• 月份(12 个 bool 特征)
• 年份

Answer 1

让我向您解释一下通常如何处理季节性。

大多数时候，人们尝试提取季节性成分并处理校正后的序列进行分析。在北美，统计机构应用一系列对称移动平均滤波器来估计季节性、趋势周期和不规则成分，并且季节性调整数据对应于数据减去估计的季节性成分。通常，它们还在其他表中提供原始数据，有时，它们还在其他表中提供趋势周期。在澳大利亚，他们更喜欢呈现趋势周期。

在欧洲，分解通常基于模型:他们指定具有季节性成分的 ARIMA 模型 - 它允许集成季节性成分、季节性动态中的移动平均器成分等 - 并通过施加假设进行分解在模型上提取特定频率。

现在，您需要了解的第一件事是您的函数到底是做什么的。如果您使用移动平均滤波器，您必须意识到这些滤波器是对称的，并且它强制使用回溯和预测(您需要开始之前和结束之后的点来应用对称滤波器 - 这是相同的终点例如，Hoddrick-Prescott 等过滤器面临的问题)。因此，它需要指定一个具有季节性的良好 ARIMA 作为代理，以免端点表现太差(或为端点指定不对称过滤器)，并且如果您使用校正后的数据集来比较预测，则对称性意味着小的数据窥探偏差模型(因为所有新点都包含 future 信息)。如果您使用 ARIMA 模型，则过滤器是不对称的，并且校正后的数据点不是使用 future 点构建的。

现在，要进行预测，您有两种选择。 (1)您可以尝试预测校正值(如果您绝对需要原始值，则可以单独预测季节性)； (2) 您预测原始序列。

目前尚不清楚什么是最好的继续方式。理论上，您需要 (2)，但它可能非常复杂(例如前沿研究模型)，除非您使用具有季节性成分的 ARIMA 或强加恒定季节性并使用季节性虚拟变量。

至于“频率”的选择，我倾向于使用非正式的测试来确定什么是合适的。在移动平均文献中，我们选择过滤器的长度或长度，目标是产生完全捕捉季节性规律的估计季节性。您可以对修正后的数据使用非参数检验，例如 Kruskal-Wallis 检验，但它相当宽容。

我的建议是找到一个可以使用季节性参数模型的软件包，我认为这对于预测来说更可取。然后，您将拥有清晰的测试和信息标准，可用于在合理的统计基础上做出决策。