如何一次性處理3900+個區域的月度時間序列數據

Question

我正在研究時間序列模型，我對此很陌生。 我剛剛開始學習時間序列分析和預測。 我知道如何處理每月數據。 但是我有一個更大更龐大的數據需要解決。 它擁有 3900 多個地區的月度時間序列數據。 我想使用 R 預測未來 12 個月的值。我的數據如下所示： https : //drive.google.com/file/d/10QvtS55NQ1kIXxeccWxXl0SqqyqYXyoh/view?usp=sharing

我知道如何使用 ARIMA 模型為 1 個區域執行此操作，但不知道如何處理這些大數據。 提前致謝！

Answer 1

由於您是該主題的新手，我建議您查看使用 xgboost 或 glmnet 等全局模型的方法。

您將無法使用“預測”包或使用 ARIMA、ETS、Prophet 等的類似本地時間序列方法生成可擴展的結果。

當您的模型復雜到足以產生准確的預測時，它們將需要大量時間來計算。 例如，對於 100 個時間序列（5 年的訓練，一年的測試），使用完全調優的本地模型進行模型預測需要大約 5 個小時才能完成。 使用全局模型只需 3 分鍾。

當我自己使用它時，我可能會推薦使用 tidymodels 堆棧的模型時間框架。