我是第一次进行时间序列预测，对如何创建目标变量几乎没有困惑。数据如下：
我试图预测客户 A 在 2019 年第一季度的销售额百分比变化。我想得出目标的一种方法是过去 3 个月的滚动平均值和 1 的变化。经过操纵后，它看起来像：
但是我很困惑，我应该将 1 月、2 月、3 月的平均值作为 4 月的目标，还是将 2 月、3 月、4 月的平均值作为 1 月的目标？
【问题讨论】：
标签： python machine-learning data-science
时间序列预测是基于自相关原理的，比如来自Xn to Xn+100和Xn+time_lag to Xn+100+time_lag的y
您会注意到，时滞越大，自相关越小，模型的预测能力就越差：
如果你创建一个滚动平均值，你会丢失信息，创建一个模糊的目标。我会使用target 本身来进行更好的预测。
我的意思是你使用相同的变量target 和x_train 和y_train，在它们之间造成了时间滞后。
然后您可以使用 ARIMA、LSTM 神经网络、线性回归、神经网络、时间卷积网络从输入映射到目标。
检查数据的自相关程度：
from pandas.plotting import autocorrelation_plot
autocorrelation_plot(dataframe['target'])
【讨论】：
array.shape=(100,),time lag=2,input=array[0:98],target=array[2:100]