@shirou 歷史銷售數(shù)據(jù)可以做聚合，比如日/月/年均銷售額等
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面占锯，時(shí)間序列預(yù)測(cè)最讓我頭疼弄捕。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便爵卒，比如Exponential Smoothing和ARIMA虚缎。但這些模型一次只能對(duì)一組時(shí)間...
@AG_f3a5 是的，維度不相同
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面钓株，時(shí)間序列預(yù)測(cè)最讓我頭疼实牡。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便轴合，比如Exponential Smoothing和ARIMA创坞。但這些模型一次只能對(duì)一組時(shí)間...
@Eric_aeee 1-9月數(shù)據(jù)構(gòu)建預(yù)測(cè)特征X1和目標(biāo)變量y1，即（X1,y1）受葛；2-10月數(shù)據(jù)構(gòu)建預(yù)測(cè)特征X2和目標(biāo)變量y2题涨，即（X2, y2）；3-11月數(shù)據(jù)構(gòu)建預(yù)測(cè)特征X3和目標(biāo)變量y3总滩，即（X3, y3）纲堵。拼接后得到（X,y），其中X = {X1, X2, X3}咳秉，y = {y1, y2, y3]婉支。而對(duì)于這三組數(shù)據(jù)，因?yàn)闀r(shí)間窗口不一樣澜建，所以基于此構(gòu)造的（Xn, yn）是不一樣的向挖。
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面，時(shí)間序列預(yù)測(cè)最讓我頭疼炕舵。 做時(shí)間序列預(yù)測(cè)何之，傳統(tǒng)模型最簡(jiǎn)便，比如Exponential Smoothing和ARIMA咽筋。但這些模型一次只能對(duì)一組時(shí)間...
@沒(méi)有車胎的戰(zhàn)車 不同組數(shù)據(jù)用的是不同時(shí)間段的數(shù)據(jù)溶推，比如可能第一組用1-3月數(shù)據(jù)，第二組用2-4月數(shù)據(jù)，第3組用3-5月數(shù)據(jù)蒜危，那統(tǒng)計(jì)出來(lái)的結(jié)果是不一樣的虱痕，拼接后不重復(fù)
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面，時(shí)間序列預(yù)測(cè)最讓我頭疼辐赞。 做時(shí)間序列預(yù)測(cè)部翘，傳統(tǒng)模型最簡(jiǎn)便，比如Exponential Smoothing和ARIMA响委。但這些模型一次只能對(duì)一組時(shí)間...
@hoojjack 整體來(lái)說(shuō)這個(gè)理解是對(duì)的新思，還需要注意的就是，我這里提到的一個(gè)模型的方式赘风，特指使用機(jī)器學(xué)習(xí)算法做預(yù)測(cè)夹囚，建模時(shí)需要人為從時(shí)間序列中構(gòu)造截面數(shù)據(jù)，單店預(yù)測(cè)的話邀窃，可以使用傳統(tǒng)時(shí)間序列預(yù)測(cè)模型（無(wú)需構(gòu)造截面數(shù)據(jù)）
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面荸哟，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)蛔翅，傳統(tǒng)模型最簡(jiǎn)便敲茄，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@hoojjack 是的山析，假設(shè)1-100號(hào)店都有1-12月份的數(shù)據(jù)堰燎，數(shù)據(jù)維度（特征數(shù)）都是M，各店的樣本量為 n1笋轨、n2秆剪、...、n100爵政，那么我們的訓(xùn)練集應(yīng)該有 (n1+n2+...+n100）個(gè)樣本仅讽、M個(gè)特征，需要注意的是钾挟，M個(gè)特征里應(yīng)該包含有每家店本身的信息（如店鋪歷史銷售情況洁灵、店鋪所在區(qū)域等等），因?yàn)椴煌暧胁煌N售特性
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面掺出，時(shí)間序列預(yù)測(cè)最讓我頭疼徽千。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便汤锨，比如Exponential Smoothing和ARIMA双抽。但這些模型一次只能對(duì)一組時(shí)間...
@hoojjack 我整篇文章就是在解釋如何“對(duì)這100家店一起建模”呢
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面闲礼，時(shí)間序列預(yù)測(cè)最讓我頭疼牍汹。 做時(shí)間序列預(yù)測(cè)铐维，傳統(tǒng)模型最簡(jiǎn)便，比如Exponential Smoothing和ARIMA慎菲。但這些模型一次只能對(duì)一組時(shí)間...
@masterqkkee 是的
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面嫁蛇，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)钧嘶，傳統(tǒng)模型最簡(jiǎn)便棠众，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@各馬馬它 比如視頻網(wǎng)站要預(yù)測(cè)用戶A在2019年1月會(huì)不會(huì)買會(huì)員有决，那么y就是“用戶A在2019年1月買會(huì)員”，X則可以從用戶A在2018年的行為數(shù)據(jù)中提取的特征（比如登錄頻率空盼，觀看時(shí)長(zhǎng)书幕，視頻偏好等）
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面，時(shí)間序列預(yù)測(cè)最讓我頭疼揽趾。 做時(shí)間序列預(yù)測(cè)台汇，傳統(tǒng)模型最簡(jiǎn)便，比如Exponential Smoothing和ARIMA篱瞎。但這些模型一次只能對(duì)一組時(shí)間...
@俠義江湖 時(shí)間序列預(yù)測(cè)有基于線性代數(shù)的和基于機(jī)器學(xué)習(xí)的兩種方法苟呐，前者的話很多統(tǒng)計(jì)書籍有提到，后者可以去文章中提到的建模平臺(tái)找
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面俐筋，時(shí)間序列預(yù)測(cè)最讓我頭疼牵素。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便澄者，比如Exponential Smoothing和ARIMA笆呆。但這些模型一次只能對(duì)一組時(shí)間...
@ckz2706 是的，就是這個(gè)意思
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面粱挡，時(shí)間序列預(yù)測(cè)最讓我頭疼赠幕。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便询筏，比如Exponential Smoothing和ARIMA榕堰。但這些模型一次只能對(duì)一組時(shí)間...
@追夢(mèng)人_3dea 訓(xùn)練集大小和標(biāo)簽集大小應(yīng)該是一樣的，訓(xùn)練集有100個(gè)樣本嫌套，標(biāo)簽就應(yīng)該有100個(gè)
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面逆屡，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)灌危，傳統(tǒng)模型最簡(jiǎn)便康二，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@Manfestain 天池勇蝙、Kaggle上有很多大神分享代碼沫勿，您可以去這些平臺(tái)上找找
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面挨约，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)产雹，傳統(tǒng)模型最簡(jiǎn)便诫惭，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@Panda_9dbf 每構(gòu)造一組特征/Target蔓挖，就會(huì)得到一組（X夕土，y），在我的例子里對(duì)應(yīng)地就有（X1瘟判，y1）怨绣、（X2，y2）拷获、（X3篮撑，y3），對(duì)于這三組數(shù)據(jù)集匆瓜，在python里concat起來(lái)就可以了
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面赢笨，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)驮吱，傳統(tǒng)模型最簡(jiǎn)便茧妒，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@Slientge 做滑窗的時(shí)候會(huì)人為地構(gòu)造“歷史數(shù)據(jù)”和“未來(lái)數(shù)據(jù)”左冬，target來(lái)自“未來(lái)數(shù)據(jù)”部分
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面桐筏，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)又碌，傳統(tǒng)模型最簡(jiǎn)便九昧，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@民_11ee 樣本數(shù)目和時(shí)間長(zhǎng)度是兩個(gè)不一樣的東西毕匀，比如最終的訓(xùn)練集里有100個(gè)樣本铸鹰，每個(gè)樣本代表一位用戶，我只要能從歷史數(shù)據(jù)里提取到關(guān)于這100位用戶的特征就可以了皂岔，時(shí)間長(zhǎng)度的長(zhǎng)短蹋笼，只會(huì)影響這些特征的質(zhì)（數(shù)據(jù)越多越具有統(tǒng)計(jì)意義），不會(huì)影響量（不管時(shí)間跨度是多長(zhǎng)躁垛，都可以得到100組特征并分配給這100個(gè)用戶）
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面剖毯，時(shí)間序列預(yù)測(cè)最讓我頭疼。 做時(shí)間序列預(yù)測(cè)教馆，傳統(tǒng)模型最簡(jiǎn)便逊谋，比如Exponential Smoothing和ARIMA。但這些模型一次只能對(duì)一組時(shí)間...
@simple_8233 我個(gè)人比較喜歡做3到5個(gè)滑窗土铺，但我也見(jiàn)過(guò)有做10多個(gè)滑窗的胶滋，這個(gè)有點(diǎn)類似k-fold cross validation板鬓，沒(méi)有絕對(duì)標(biāo)準(zhǔn)，看具體數(shù)據(jù)量和測(cè)試效果
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面究恤，時(shí)間序列預(yù)測(cè)最讓我頭疼俭令。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便部宿，比如Exponential Smoothing和ARIMA抄腔。但這些模型一次只能對(duì)一組時(shí)間...
@陳磊興 傳統(tǒng)時(shí)間序列模型有指數(shù)平滑、ARIMA理张、多元線性回歸等赫蛇，非傳統(tǒng)模型主要指機(jī)器學(xué)習(xí)模型，如隨機(jī)森林涯穷、XGBoost棍掐、神經(jīng)網(wǎng)絡(luò)等
機(jī)器學(xué)習(xí)與時(shí)間序列預(yù)測(cè)前言 在所有的預(yù)測(cè)問(wèn)題里面，時(shí)間序列預(yù)測(cè)最讓我頭疼拷况。 做時(shí)間序列預(yù)測(cè)，傳統(tǒng)模型最簡(jiǎn)便掘殴，比如Exponential Smoothing和ARIMA赚瘦。但這些模型一次只能對(duì)一組時(shí)間...
