利用对未来事件的了解来增强预测
在使用AWS预测时，是否有办法用“部分未来信息”来增强我们的模型，以改进预测？
到目前为止，我已经从AWS预测中获得了相当可靠的预测，但我怀疑如果我能够提供一些关于未来已知事件的信息，我的预测可能会有很大的改进。
我对预测和机器学习非常陌生，我所说的“部分未来信息”是指：
- I试图预测变量x的时间序列在未来的
- 中的行为，我正在为许多不同的变量训练一个具有过去时间序列信息的模型，包括x
- ，我也希望为这些变量的子集提供已知的未来时间序列信息，因为它们应该对预测产生重大影响；2)这将使我能够执行“如果-如果”分析
。
更具体地说：
我正试图从过去的收入、网络流量、广告支出和推广discounts
- AWS预测中预测未来的收入，到目前为止，我一直在为我提供良好的预测(我隐瞒了来自该模型的这么多个月的已知数据，它对“未来”的预测与已知的well)
- However，数据相匹配，例如，我也想告诉AWS预测，例如，在不久的将来，我还想要改变一些未来的变量，看看它们如何影响结果(“如果我下个月在广告上花费
$Z怎么办？”)。
目前，我正在将我们过去的所有收入、网络流量、广告支出和促销折扣信息作为一个“目标时间序列”以一个CSV文件的格式提供给AWS预测，该文件包含3列(公制名称、时间戳、度量值)；大约15个不同的度量名称值；以及大约10,000行数据(几年来价值为15个变量的每日值=~2* 365 * 15 = 11,000行)。每一度量都是在同一时间间隔内提供的(例如，所有指标都在2017-10-01和2019-11-25之间提供)。
我想提供一些额外的，部分的数据，突出未来已知的重大事件(广告开支，促销折扣)，以进一步改善我们的预测。
例如：
从2017-10-01到2019-11-25
- Web流量从2017-10-01到2019-11-25
- Ad从2017-10-01到2019-11-25
- Promotional从2017-10-01到2019-11-25
- plus计划的广告支出从2019-11-26到2020-02-01
有人能帮我一些术语和“如何-to”的机制吗？
回答 1
Stack Overflow用户
发布于 2020-02-05 23:59:27
通常，要在历史数据中使用变量，还需要对其进行预测。这就像试图预测电力使用情况，然后将历史温度纳入数据集。如果你没有对未来温度的预测，那么这些信息对你的预测没有任何帮助。因为现在我知道“额外一度的温度对用电的影响”，但是如果我不知道明天的温度是多少，我该怎么办呢？
在您的情况下，您有一个指标，您想要预测(收入)和三个支持数据:流量，广告支出，折扣。这是很好的，你有未来的广告支出，但没有其他两个，你有点不走运(根据前一段)。
，但是，，您仍然可以在这里做一些事情，但是您只需要做一些假设。我要做的是为未来的所有日期选择一个固定的值，并为所有未来的日期设置这个值。也许合适的价值应该是零折扣(全价商品)和网络流量-我正在弥补-1K/天。现在，您已经拥有了过去和未来的完整数据集。
有了这个设置，你现在可以回答这个问题，尽管有一个警告。你现在得到的预报是..。
考虑到我们计划中的广告支出，如果我们不提供折扣，并且每天都有1千人访问
，那么我们可以期望我们有多少收入。
也许您可以通过在未来输入与前一年相同的流量值来改进这一点。在这种情况下你现在可以说..。
考虑到我们计划的广告支出，如果我们不提供折扣，而且网站的流量与去年同期相同，那么
在这方面的收入是多少。
你可以用不同的方式，比如“流量增加10%”，或者你可以猜一下折扣会是多少，或者，像以前一样，你可以复制一年前的折扣和流量，然后说…
如果我们像去年一样提供折扣，并且像去年一样看到网站流量，那么
在我们计划的广告支出下可以预期有多少收入。
我怀疑你有这个想法，所以我会停止所有的变体。当然，这些只是对这些数据的未来预测；然而，对折扣或网络流量的“预测”并不一定是复杂和花哨的。“和去年一样”是对未来的完全正确的“预测”。
https://stackoverflow.com/questions/59144383
复制相似问题
腾讯云开发者
