XGboost算法能用于时间序列分析吗？
XGboost算法能用于时间序列分析吗？
提问于 2019-08-08 09:21:52
请找到附带的样本数据集屏幕截图。在这里，我们可以看到，有一个预测和实际数据。然而，我们只有大约8年(2000-2008年)的数据。
尝试: XGBoost，ARIMA
面临的挑战: XGBoost ()能否用于时间序列分析？因为它考虑所有的参数，因为它不是时间) ARIMA (不知道如何为这个特定的数据集选择p，q，d)
R/Python兼具灵活性
你能建议我们哪种算法可以相当准确地预测未来8个月吗？
不确定XGBoost是否可以应用于时间序列，如果这是实际的，请分享链接
也不确定，像LSTM这样的神经网络甚至不能在这里工作，因为我们每月只有8年的数据!
回答 1
Stack Overflow用户
发布于 2019-08-08 09:38:13
ARIMA (不知道如何为这个特定的数据集选择p、q、d)
你不需要知道你应该选择哪一个p，d，q参数。
R具有以下函数: auto.arima，它可以帮助确定最优的p，d，q值。
Python具有以下功能：
来自pmdarima的auto_arima，它也为你做了同样的事情。
XGboost可以用于时间序列分析吗？
至于xgboost，可以使用来处理timeseries数据。我不确定它是否适合您的数据(我还没有亲自使用xgboost来处理timeseries )，但是下面是一些关于它的应用程序的想法：https://www.kaggle.com/furiousx7/xgboost-time-series
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57409221
复制相关文章
相似问题
腾讯云开发者
