machine-learning - 如何自动选择时间序列模型进行预测?
问题描述
我有一个场景,我必须预测接下来一小时的值。我的时间序列是每小时频率。起初,数据看起来没有趋势或季节性,而且是固定的。因此,我可以应用简单的 ARMA 模型并进行预测。但是,我不能长时间使用相同的模型。几天或几个月后,数据集可能会显示出一些季节性。在这种情况下,我们必须再次手动分析数据并选择正确的时间序列模型来拟合。我们已经在使用的简单 ARMA 模型不会给我预期的预测结果。
我们可以以应用程序的 CPU 使用率预测为例。最初的使用可能是固定的。一段时间后,使用可能会显示出一些趋势/季节性。
我该如何处理这种情况?有没有一种方法可以让我们自动决定使用哪个模型,然后从中训练数据并进行预测?
谢谢
解决方案
你试过自动ARIMA吗?- https://www.rdocumentation.org/packages/forecast/versions/8.10/topics/auto.arima
否则,Facebook Prophet 可能是一个选择。
推荐阅读
- python - 求和列后获取每组中的前 n 条记录
- javascript - useEffect 用于在 chrome.storage.local 中的数据更改时更新状态
- c - 使 Motif 选项菜单小部件占据其父级(表单)的整个宽度(拉伸)
- javascript - 使用 laravel sanctum 在 vue 中保存令牌的最佳方法
- javascript - 如何按顺序查找多维数组的组合?
- spring-boot - Jenkins管道片状测试在部署到kubernetes Kafka服务时中断服务
- regex - 在 VSCode 中搜索和替换
- ansible - 我正在调用一个模块,Ansible 仍然抱怨“没有操作”
- javascript - 如何使多个参数为1
- javascript - 可以使用 IoSocket 从我的服务器接收消息 - React Native