我有一个按天分组的数据库指标，我需要预测 future 3 个月的数据。这些数据具有季节性(我相信季节性是一周中的几天)。
我想使用使用 R 的 Holt Winters 方法，我需要创建一个时间序列对象，它要求频率，(我认为是 7)。
但是我怎么知道我是否确定？有识别最佳频率的功能吗？
我正在使用:
FID_TS <- ts(FID_DataSet$Value, frequency=7)
FID_TS_Observed <- HoltWinters(FID_TS)
如果我用
decompose(FID_TS) 分解这些数据， 我有:
这是我的第一个预测
FID_TS_Observed :
当我查看去年的历史时，它们在前 3 个月开始较低，然后从第 3 个月增加到 11 个月，然后再次下降。
也许我的每日数据，每天都有每周季节性(频率 = 7)和每月季节性(频率 = 7x30 = 210)？我需要过去 365 天？
有什么办法可以按星期几和按月放置频率？另一件事，我在 Holt-Winters 方法中使用整个去年或其中的一部分有什么不同吗？
提前致谢 :)
最佳答案
通常，频率(或季节性，您似乎在帖子中交替使用这些词)由领域知识决定。例如，如果我在餐厅工作，并且正在分析每小时的客户数据集，我知道我将有一个 24 小时的频率，在午餐时间和晚餐时间出现峰值，以及另一个 168 小时的频率 (24 * 7)因为我的客户每周都会有一个模式。
如果由于某种原因，您没有领域知识，您可以使用 ACF 和 PACF，以及傅里叶分析来为您的数据找到最佳频率。
Have any way to put the frequency by day of the week and by month?
对于 Holt-Winters，没有。 HW 仅采用一种季节性成分。对于多个季节性组件，您应该尝试 TBATS。正如 Xiaoxi Wu 指出的那样，FB Prophet 可以模拟多个季节性，Google 的 BSTS 包也可以。
Another thing, does it make any difference I take the whole last year or just a part of it to use in the Holt-Winters method?
是的，它确实。我想对季节性进行建模，那么您需要至少两倍于季节性周期才能对其进行建模(最好是更多)，否则您的模型无法知道峰值是季节性变化还是一次性冲动.因此，例如要对每周季节性进行建模，您至少需要 14 天的训练数据(加上您将用于测试的任何数据，对于年度季节性，您将需要至少 730 天的数据，等等......
关于r - 如何确定时间序列中的最佳频率？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49173818/