如何确定销售预测的预测模型

Question

我想知道我应该选择哪种模型来预测每月销售额。对于 1.5 年的小数据，我应该使用回归方法还是时间序列方法？

Answer 1

根据您拥有的数据，其中一种可能有效。或者其他技术。使用这 2 种技术中的每一种尝试 2 个简单模型，并根据通用验证数据集验证它们。这样你就会得到你的答案。除非对您用于训练的数据有相当深入的了解，否则没有人可以回答您的问题。出于我的考虑，我可能会从回归开始，但最后我认为你最终会使用其他东西。首先从简单模型开始以更好地理解问题，然后逐步微调或执行其他技巧和更复杂的模型，这始终是一个不错的选择，具体取决于您已经学习过的模型。

看看这个 Kaggle 比赛：https://www.kaggle.com/c/competitive-data-science-predict-future-sales

从那里检查几个笔记本，也许您会更多地了解在这种预测中哪些有效或无效。

笔记本链接：https://www.kaggle.com/c/competitive-data-science-predict-future-sales/notebooks

Answer 2

我要做的第一步是明确确定您拥有多少功能。

在单变量预测（单个变量的时间观察）的情况下，您很可能会求助于统计方法，例如 ARIMA/SARIMA（我假设季节性的概念是已知的；如果不是，请阅读属性这里的时间序列：https://www.dummies.com/programming/big-data/data-science/key-properties-of-a-time-series-in-data-analysis/.

如果您有多个特征（多个变量的时间观察），您可以先尝试使用 VAR（向量自回归）。

先尝试这些模型，然后再继续使用更复杂的模型，例如 LSTM/CNNs

支持@Nicolae Petridean 的肯定，奥卡姆剃刀原则应该始终适用：从简单的模型开始，只有在尝试了几个更简单的模型之后，你才能进入深度学习技术。

另外，请记住，对于后者，与更简单的统计/数学模型甚至经典机器学习模型相比，您需要更多的数据。