具有不同时间步长的2个时间序列模型的力预测一致性

Question

假设我有一个时间序列。假设这是一家商店的销售量。假设我想制造两种模型--模型1，它通过每周时间步骤(每周总销售额，即从现在开始的1-7天，然后从现在开始的8-14天，然后15-21天，等等)来预测未来的价值。模型2按月时间步骤预测未来的值(每月总销售额)。

请注意，我还没有决定这些模型中的每一种。但我不能假设用于训练每个模型的数据/特征是相同的。

假设我用这两个模型预测了从9月初到10月底(包括在内)的一段时间。这是3个月，总共13周。因此，我将从模型1得到13个预测，从模型2得到3个预测。

设S_1是模型1的13个预测之和，S_2是模型2的3个预测之和，我如何确保S_1和S_2是相同的？

Answer 1

1. 这取决于你训练过的模特。
2. 您正在寻找的是来自不同模型的协调一致的预测，而这些预测确实很难获得。
3. 即使这不是你的问题，但我想问你，为什么你需要两个模型来预测销售？

我的解决方案(获得每周和每月销售预测)：

建立每周销售预测的1模型。通过使用熊猫群比函数来获得每月的销售额。

monthly_sales_foreast = weekly_sales_forecast.groupby(pd.Grouper(freq='1M')).sum()

或按天数计算

monthly_sales_foreast = weekly_sales_forecast.groupby(pd.Grouper(freq='30D')).sum()

如果您使用相同的输入，您可以首先为每周预测建立一个模型，然后更改模型的输出层维度，以便从同一个模型中获得月度预测。

查看有关Transfer Learning的文章。我想你会找到一个全局基本模型的例子，更新不同的模型和额外的输入。

我希望这个帮助你能更接近你所需要的解决方案。