H2O.ai的无人驾驶人工智能支持多变量时间序列分析吗？

Question

无人驾驶人工智能是否支持多变量时间序列分析？

我正在尝试进行时间序列分析异常预测，其中我需要根据地理位置(位置)和票证类型来预测事件管理票证计数的峰值。

Answer 1

是的，确实如此。当使用多变量时间序列建模时，感兴趣的时间序列是一个目标，而其他时间序列将用于进行预测。数据格式看起来与this example中的完全一样(不特定于无人驾驶AI)，或者参见针对concrete time series example的H2O.ai文档，其中目标时间序列为Weekly_Sales，其他时间序列变量为Temperature和Fuel_Price。

有几个与多变量时间序列设置相关的设置：

• Unavailable at Prediction Time：指定将只具有使用it.
• Probability to Create Non-Target Lag Features：创建的与滞后相关的特征的其他时间序列列(除了目标列)指定用于创建非目标滞后特征的概率值(0到1之间的任意值)。对于多变量时间序列，如果不应对predictions.

使用目标滞后，则该值可能高达0.9，甚至1

更新

本着问题的精神，Multivariate vs Multiple time series增加了更多关于使用无人驾驶人工智能建模时间序列的信息。它还支持使用time groups columns (TGC)的多个时间序列(与上面的多变量时间序列相比)。事实上，任何时间序列数据集都会被自动解析以识别这样的组(或者，TGC由用户显式指定)。将TGC视为分类的无人驾驶AI构造多个时间序列- TGC中的每个唯一值组合对应一个时间序列。

以下设置允许用户改进时间序列模型使用TGC的方式：

• Consider TGC as Standalone Features
• Which TGC Feature Types to Consider as Standalone Features
• Always Group by All Time Groups Columns for Creating Lag Features

TGC功能与多变量时间序列结合运行，因此对于每个组，无人驾驶AI保持如上所述的多变量时间序列功能。