具有多个n个数字的时间序列数据预测

Question

我正在研究时间序列数据。

如果您查看到目前为止使用示例运行的时间序列数据，它们都同样只有两列。一个是日期，另一个是任意值。

例如，在预测股价上涨的情况下，我们预测的是一只“单一”股票。

如果是这样，你能在时间序列数据分析中同时预测多只股票吗？

例如，在受试者服用了影响其肝脏水平的药物后，到目前为止，他们获得了肝脏计数数据。基于此，我想尝试预测未来肝脏水平的上升或下降。此时，我需要同时预测多个患者，而不是一个患者。在这种情况下，如何指定数据集？

可以通过添加一列来标记吗？或者我没有真正理解时间序列数据分析的本质？

如果有人知道任何相关的东西，如果你能给我建议或给我一个参考网站，我将非常感激。

Answer 1

您应该分别为每个患者进行预测。您可能不希望其中一个患者的预测因其他患者同时发生的情况而发生变化。

机器学习不仅仅是给模型提供数据并得到结果，你还必须考虑模型，这里应该是它的输入和输出。对于时间序列，您可能会提供前几天在患者身上观察到的内容作为输入，并尝试预测下一天会发生什么。对于一个患者，您不需要其他患者的数据，如果您将其提供给您的模型，它将尝试使用它并从训练数据中捕获一些噪声，这不是您想要的。

然而，由于您可以预期每个患者的行为相似，因此您可以为所有患者构建一个模型，而不是为每个患者构建一个模型。典型的输入形式如下：

X(t - k，i)，X(t -k+ 1，i)，…，X(t - 1，i)

其中X(t，i)是患者i在时间t的观察值，以预测X(t，i)。用所有患者的数据训练你的模型。

当你举一个医学例子时，要知道如果你有一些协变量，比如患者的体重或性别，你可以将它们包括在你的模型中，以捕捉他们的个体特征。在这种情况下，预测X(t，i)的模型的输入将是：

X(t - k，i)，X(t -k+ 1，i)，...，X(t - 1，i)，C1(i)，...，Cp(i)

其中C1(i)...Cp(i)是患者的协变量。如果你没有这些协变量，这不是问题，在某些情况下，它们只是可以改善结果。注意，不是所有的协变量都是有用的。