
这一篇的主题主要是如何处理一组有层级关系的序列预测。例如我们进行未来30天的游客数量预测,需要涉及多个颗粒度:城市,省和国家。当然我们可以对每个维度单独建模进行预测,但是很明显这多个序列是有层级关系的:城市维度的预测应该可以聚合到省份而进一步向上聚合到国家。各序列单独预测并不能保证这种一致性。那么就涉及到对这一方向的进一步研究。
笔者偶然发现Rob J Hyndman的书(见上图)中是有这样一章的Chapter 10 Forecasting hierarchical or grouped time series,结构比较清晰,在这里简单整理一下。
Challenge: we require forecasts to add up in a manner
层级和分组时间序列预测方法

本文探讨了处理具有层级关系的时间序列预测问题,如预测游客数量时涉及城市、省和国家等多个层次。传统的逐个维度建模无法保证预测的一致性。作者介绍了Rob J Hyndman书中关于此主题的内容,强调了保证预测结果在聚合结构中一致性的挑战,以及高层级和低层级序列的特点。并提及了不同的处理方法。
最低0.47元/天 解锁文章
1154

被折叠的 条评论
为什么被折叠?



