用于时间序列数据预测的线性回归模型选择

Question

我有一个信号，想使用回归模型预测y表示的请求数。 目前，我正在使用OLS回归模型来预测y。 但是预测误差非常高，因为我的信号有很多变化（上下波动），如下所示。

我注意到我的模型在大多数情况下都高估了y（请求数），尤其是在要预测的点之前带有较大y值的情况下。 如下面黄色和红色圆圈所示。

因此，我不确定是否有健壮的回归模型来解决这个问题，因为我的数据集中有很多变化。 还可以通过调整窗口大小以使其不包括这些值来分割出这些大值吗？

您能否提一些建议

Answer 1

从错误的可视化中，我会说线性模型是不合适的，您应该考虑使用处理周期数据以及移动平均值的东西-您的数据似乎具有周期元素，而移动平均值元素超出了“线性”范围”。 考虑类似ARIMA之类的东西。 这是ARIMA教程的链接： https : //machinelearningmastery.com/arima-for-time-series-forecasting-with-python/请发布结果：）

Vishaal