XGboost算法可以用于时间序列分析吗？答案

【问题标题】：Can XGboost algorithm be used for time series analysis?XGboost算法可以用于时间序列分析吗？
【发布时间】：2019-12-15 23:10:35
【问题描述】：

请找到随附的示例数据集屏幕截图。在这里，我们可以观察到有预测和实际数据。但是，我们只有大约 8 年（2000-2008 年）的数据。

尝试：XGBoost、ARIMA

面临的挑战： XGBoost（这可以用于时间序列分析吗？因为它考虑了所有参数，因为它甚至不是时间） ARIMA（不确定如何为这个特定数据集选择 p,q,d）

R/Python 都灵活

您能否建议我们哪种算法可以相当准确地预测未来 8 个月？

不确定XGBoost是否可以应用于时间序列，如果可行，请分享链接

此外，由于我们每月只有 8 年的数据，因此不确定 LSTM 等神经网络是否可以在这里工作！

【问题讨论】：

【解决方案1】：

ARIMA（不确定如何为这个特定数据集选择 p、q、d）

您不需要知道应该选择哪个 p,d,q 参数。

R 具有以下功能： auto.arima 来自 {forecast}，它可以帮助确定最佳 p、d、q 值。

Python 有以下功能：

auto_arima 来自 pmdarima，它为您做同样的事情。

XGboost 这个可以用于时间序列分析吗？

至于 xgboost，它可以用于时间序列数据。我不确定它是否适合您的数据（我个人还没有与 xgboost 合作过时间序列），但这里有一些关于它的应用的想法： https://www.kaggle.com/furiousx7/xgboost-time-series

【讨论】：

感谢您的意见。您对此数据集的算法有什么个人建议吗？
我个人会首先根据您的编程偏好运行 auto.arima/auto_arima。您可以按照一些关于 auto arima 函数应用的教程来了解它的要点，例如：对于 Python：machinelearningplus.com/time-series/… 或对于 R.datascience.com/blog/…。如果您希望对大量时间数据进行建模，这是一个很好的 R 资源（我更像是一个 R 人，所以我对 R 资源有更好的了解）：otexts.com/fpp2