用於時間序列數據預測的線性回歸模型選擇

Question

我有一個信號，想使用回歸模型預測y表示的請求數。 目前，我正在使用OLS回歸模型來預測y。 但是預測誤差非常高，因為我的信號有很多變化（上下波動），如下所示。

我注意到我的模型在大多數情況下都高估了y（請求數），尤其是在要預測的點之前帶有較大y值的情況下。 如下面黃色和紅色圓圈所示。

因此，我不確定是否有健壯的回歸模型來解決這個問題，因為我的數據集中有很多變化。 還可以通過調整窗口大小以使其不包括這些值來分割出這些大值嗎？

您能否提一些建議

Answer 1

從錯誤的可視化中，我會說線性模型是不合適的，您應該考慮使用處理周期數據以及移動平均值的東西-您的數據似乎具有周期元素，而移動平均值元素超出了“線性”范圍”。 考慮類似ARIMA之類的東西。 這是ARIMA教程的鏈接： https : //machinelearningmastery.com/arima-for-time-series-forecasting-with-python/請發布結果：）

Vishaal