ฉันมีข้อมูล 3 เดือน (แต่ละแถวสอดคล้องกับในแต่ละวัน) ที่สร้างขึ้นและฉันต้องการทำการวิเคราะห์อนุกรมเวลาหลายตัวแปรในลักษณะเดียวกัน:
คอลัมน์ที่มีอยู่คือ -
Date Capacity_booked Total_Bookings Total_Searches %VariationEach Date มี 1 รายการในชุดข้อมูลและมีข้อมูล 3 เดือนและฉันต้องการให้พอดีกับตัวแบบอนุกรมหลายตัวแปรเพื่อคาดการณ์ตัวแปรอื่น ๆ เช่นกัน
จนถึงตอนนี้เป็นความพยายามของฉันและฉันพยายามที่จะบรรลุเดียวกันโดยการอ่านบทความ
ฉันทำเช่นเดียวกัน -
df['Date'] = pd.to_datetime(Date , format = '%d/%m/%Y')
data = df.drop(['Date'], axis=1)
data.index = df.Date
from statsmodels.tsa.vector_ar.vecm import coint_johansen
johan_test_temp = data
coint_johansen(johan_test_temp,-1,1).eig
#creating the train and validation set
train = data[:int(0.8*(len(data)))]
valid = data[int(0.8*(len(data))):]
freq=train.index.inferred_freq
from statsmodels.tsa.vector_ar.var_model import VAR
model = VAR(endog=train,freq=train.index.inferred_freq)
model_fit = model.fit()
# make prediction on validation
prediction = model_fit.forecast(model_fit.data, steps=len(valid))
cols = data.columns
pred = pd.DataFrame(index=range(0,len(prediction)),columns=[cols])
for j in range(0,4):
for i in range(0, len(prediction)):
pred.iloc[i][j] = prediction[i][j]ฉันมีชุดการตรวจสอบและการทำนาย อย่างไรก็ตามการคาดการณ์นั้นแย่กว่าที่คาดการณ์ไว้
แปลงของชุดข้อมูลคือ - 1% การเปลี่ยนแปลง
Capacity_Booked
การจองและการค้นหาทั้งหมด
ผลลัพธ์ที่ฉันได้รับคือ -
ทำนาย dataframe -
การตรวจสอบความถูกต้องของข้อมูล -
ในขณะที่คุณสามารถเห็นว่าการคาดการณ์เป็นวิธีปิดสิ่งที่คาดหวัง ทุกคนสามารถแนะนำวิธีในการปรับปรุงความแม่นยำ นอกจากนี้ถ้าฉันพอดีกับโมเดลจากข้อมูลทั้งหมดแล้วพิมพ์การคาดการณ์ก็ไม่ได้คำนึงถึงว่าเดือนใหม่ได้เริ่มต้นขึ้นแล้วดังนั้นการคาดการณ์เช่นนี้ วิธีที่จะรวมอยู่ในที่นี่ ความช่วยเหลือใด ๆ ที่มีความนิยม
แก้ไข
ลิงก์ไปยังชุดข้อมูล - ชุดข้อมูล
ขอบคุณ