Как временной ряд считать по дням. |
Здравствуйте, гость ( Вход | Регистрация )
Как временной ряд считать по дням. |
1.11.2017 - 16:41
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 149 Регистрация: 11.02.2014 Пользователь №: 26005 |
Подскажите, мне нужно построить предсказание по дням
test=ts(datas$SALES,start=c(01-11-2015)) test Предсказание я делаю на базе продаж за месяц на день вперед , т.е. зная данные за месяц предсказать объем продаж на 30.11.2015 На всякий случай прикреплю данные переформулирую свой вопрос Usage ts(data = NA, start = 1, end = numeric(), frequency = 1, deltat = 1, ts.eps = getOption("ts.eps"), class = , names = ) если я прогнозирую на один день, что мне указать во фреквенси? Сообщение отредактировал kont - 1.11.2017 - 20:34
Прикрепленные файлы
|
|
1.11.2017 - 20:33
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Подскажите, мне нужно построить предсказание по дням test=ts(datas$SALES,start=c(01.11.2015)) test выходит ошибка Error: unexpected numeric constant in "test=ts(mydat$SALES,start=c(01.11.2015" как мне указать именно частоту по дням Предсказание я делаю на базе продаж за месяц на день вперед , т.е. зная данные за месяц предсказать объем продаж на 30.11.2015 если эта модель покажет хорошие ре-ты, её будут имплементировать на сегодняшние данные На всякий случай прикреплю данные А чего предсказание то? Код > str(df.sales) 'data.frame': 873912 obs. of 4 variables: $ DAY : POSIXct, format: "2015-11-01" "2015-11-01" ... $ STORE: int 1534 25039 1612 1053 1612 961 1602 21761 19009 22691 ... $ ART : int 343533 20490 295206 16406274 49495 15309949 242763 188087 16350692 86093 ... $ SALES: num 62.5 686.4 185 32.5 143.1 ... > table(df.sales$DAY) 2015-11-01 2015-11-02 2015-11-03 2015-11-04 2015-11-05 2015-11-06 2015-11-07 27819 28653 29529 28320 28321 29031 28747 2015-11-08 2015-11-09 2015-11-10 2015-11-11 2015-11-12 2015-11-13 2015-11-14 27294 28628 29558 29501 29594 30613 29489 2015-11-15 2015-11-16 2015-11-17 2015-11-18 2015-11-19 2015-11-20 2015-11-21 28717 28829 29379 29402 28850 30584 29037 2015-11-22 2015-11-23 2015-11-24 2015-11-25 2015-11-26 2015-11-27 2015-11-28 28458 29420 29199 29468 29974 30481 29752 2015-11-29 2015-11-30 28381 28884 > levels(factor(df.sales$STORE)) [1] "956" "958" "961" "974" "980" "999" "1053" "1082" "1094" [10] "1122" "1530" "1534" "1544" "1574" "1579" "1594" "1596" "1602" [19] "1609" "1612" "17096" "17474" "19009" "20581" "21761" "22691" "24605" [28] "25039" "27220" "29245" > length(levels(factor(df.sales$ART))) [1] 7683 Там 1 месяц торговли с привязкой к календарю в 30 магазинах, по 7683 позициям товаров. Что предсказывать то? Сумму покупок в конкретный день? Ассортимент проданный? Разносить по магазинам? PS откуда вообще эта античная база? из какого курса ML на этот раз? Сообщение отредактировал p2004r - 1.11.2017 - 20:39 |
|