时间序列分析的目标变量

Question

我第一次做时间序列预测，对如何创建目标变量有点困惑。数据如下所示：

​

​

我正在尝试预测客户A在2019年第一季度销售额的百分比变化。我想得出目标的一种方法是过去3个月的滚动平均值和移位1。操作后，它看起来像：

​

​

但是我很困惑，我应该以1月，2月，3月的平均值作为4月的目标，还是以2月，3月，4月的平均值作为1月的目标？

Answer 1

时间序列预测是基于自相关原理的，就像Xn to Xn+100和Xn+time_lag to Xn+100+time_lag的y一样

你会注意到，时间延迟越大，自相关就越小，模型的预测能力就越差：

​

​

如果你创建一个滚动均值，你将丢失信息，从而创建一个模糊目标。我会使用target本身来进行更好的预测。

我的意思是，您使用与x_train和y_train相同的变量target，在它们之间创建一个时间延迟。

然后，您可以使用ARIMA、LSTM神经网络、线性回归、神经网络、时间卷积网络从输入映射到目标。

检查数据的自相关程度：

from pandas.plotting import autocorrelation_plot
autocorrelation_plot(dataframe['target'])