如何将测试自变量作为参数传递给时间序列预测答案

【问题标题】：How to pass test independent variables as parameters to time series forecasting如何将测试自变量作为参数传递给时间序列预测
【发布时间】：2022-08-03 01:52:20
【问题描述】：

嗨，我需要帮助我是时间序列的新手，我正在设计一个多元时间序列实验。我的数据集如下所示： date x1 x2 x3 x4 x5 y，其中 date 是日期索引，x1...xn 是外生变量，y 是固定数据。

在这种情况下，我有热编码的分类变量，所以我的数据框是这样的：日期 x1 x2 x3 x4 x5 是 2022-01 7.8 9.3 0 1 0 2.3 如果这是一个多元回归问题，我会做 model.predict(X_test)，其中 X_test 将是 x1...x5 数据帧来获得 yhat 但在多元时间序列中我不认为这是可能的。

在这个多元时间序列问题中，我想做类似 model.forecast(X_test,10) 之类的东西，其中 X_test 将是 x1...x5 数据帧，而 10 是获取预测值的预测范围。

有没有办法通过声明自变量进行预测？

标签： python time-series multivariate-time-series

【解决方案1】：

如果你看到这个，答案是否定的。您应该做的是使用纠错模型，例如 VECM 或 VAR。或者更好地创建两个管道。

用于时间序列
另一个用于多元回归。

【讨论】：