如何分析包含多个来源的时间序列（例如多个气象站的天气数据时间序列）答案

【问题标题】：How to analyse time series which contains multiple sources (e.g. weather data time series of multiple weather stations)如何分析包含多个来源的时间序列（例如多个气象站的天气数据时间序列）
【发布时间】：2019-10-16 18:28:16
【问题描述】：

我正在尝试构建一个机器学习模型来预测每个社区在一段时间内的 VAR1。使用时间序列数据（年和月）。但是，数据包含许多邻域（这是分析的基础）。因此，每个社区将重复 3 年 * 12 个月 = 36 次。

我需要将此数据与其他数据集合并。所有其他数据集都具有相同数量的区域，并且有年份但没有月份。

我需要有关如何将这些数据集连接在一起并进行分析的帮助。我在 R 工作。

在加入数据集时，我会尝试将其他数据集中的行转移到列中，这样每个区域的实例就会更少。

以下是一些数据集的头部示例（在 R 中）：

head(df)
  Year     Month          District         Neighborhood          Gender       VAR1             
1 2017    January             1                 1                   M          2000
2 2017    January             1                 2                   M          350
3 2017    January             1                 3                   M          700
4 2017    January             1                 4                   M          400
5 2017    January             2                 5                   M          1000
6 2017    January             2                 6                   M          200

tail(df)
      Year  Month          District           Neighborhood      Gender       VAR1                
10577 2015 December            10                   69              F         200
10578 2015 December            10                   70              F         1000
10579 2015 December            10                   71              F         500
10580 2015 December            10                   72              F         350
10581 2015 December            10                   73              F         300
10582 2015 December            99                   99              F         770

我在两件事上需要帮助：

首先，我需要知道如何将上面的示例与其他没有月份的数据集合并。

我被困在如何进行 EDA 和分析此数据集上，希望能得到帮助。

【问题讨论】：

标签： r machine-learning time-series data-analysis data-manipulation

【解决方案1】：

您可以为每个来源构建单独的模型，然后简单地将它们连接在一起。这是一个快速的video。

【讨论】：

【解决方案2】：

几个模型（ARIMA、HOLT 等）然后使用 Ensemble 模型。

【讨论】：