小数据集的时间序列预测

Question

我是数据科学的新手，所以如果我的问题听起来很愚蠢，请提前接受我的道歉。我想做一个时间序列的预测，在本监管年度停产mins。监管年度从4月1日开始，到明年3月30日结束。我有大约六个月的数据，即从4月到9月。停机并不是每天都发生的。因此，我只有144个数据点(或171天中的几天)发生了故障。我在下面的图表中绘制了数据。该图显示了停运矿工的累计总和。

现在我正试图预测从十月到三月的价值。我想预测到明年3月底，累计停运的矿工的价值。我试着用指数平滑法，但它不起作用，可能是因为我没有太多的观察。然后我读到了关于ARIMA的文章，但不确定它是否是正确的算法，因为我不认为在这个场景中会有任何季节性，而且我也没有很长的数据点。有人能帮助我使用哪种算法来预测值吗？我正在使用Python作为编程语言。任何帮助都会很感激的。

Answer 1

阿里玛可以发挥作用，我认为这是正确的方法。它非常简单，可以在小型数据集上使用，但同时具有足够的灵活性。如果您正在使用Python，库statsmodels允许您实现ARIMA回归。您必须进行网格搜索，并找到合适的参数以找到最佳匹配，并运行预测。

如果你想知道怎么做，看一看这里和这里。

或者，即使是更简单的模型也可以正常工作，例如简单的移动平均(MA)或自回归(AR)。但这是你可以从上面的ARIMA网格搜索中找到的。

Answer 2

ARIMA应该工作得很好--我建议在这里使用arima包：https://pypi.org/project/pmdarima/

或者，如果你对它更不透明感到满意，你可以使用Facebook的先知。只需很小的调整就能产生一些非常准确的预测。