python - 如何使用初始数据点将曲线拟合到曲线数据集？

Question

我正在尝试为这些曲线拟合一条曲线以获得新的数据点。基本上，该图代表了不同日期的食品销售速度。

在 X 轴上有剩余的生产时间（以分钟为单位），在 y 轴上有我们在不同日子得到的累积粮食需求[不同颜色的线]。

我试图找出的是给定特定日期的初始销售速度，我如何预测曲线的性质？

我想要某种能够理解曲线模式的模型。并根据初始销售速度预测曲线的性质。

因此，基本上，当模型看到新数据时，只需查看当天开始时销售速度的初始数据点，我们就可以预测曲线的性质。以便我们事先知道要生产多少。

因此，随着更多数据的出现，我们可以更好地预测一天结束时的最终需求量。我想每 10 分钟预测一次曲线会是什么样子？

是否有任何模型或流程可以做到这一点？

剧情是这样的。

标签： pythonmachine-learningplotgraphdata-science

Answer 1

我相信这属于时间序列分析的范畴。给定一组随时间变化的点，您想要预测未来。您有各种时间序列预测模型，例如ARIMA、SARIMA等。

另一种方法是傅立叶变换，它可以非常准确地对您的数据集进行建模（但容易过度拟合）。

您可能需要做的一项更改是在应用上述方法之前将不同日期的数据组合成一个时间序列数据。