將隨機森林用於時間序列數據集

Question

對於時間序列數據集，我想做一些分析並創建預測模型。通常，我們將數據（通過整個數據集中的隨機採樣）分成訓練集和測試集，並使用具有隨機森林功能的訓練集。並保持測試部分檢查模型的行爲。

但是，我被告知不可能通過對時間序列數據進行隨機採樣來分割數據。

如果有人解釋如何將數據分割爲時間序列數據的訓練和測試，我將不勝感激。或者如果有任何替代做時間序列隨機森林。 Regards

Answer 1

我們生活在一個「未來到過去的因果關係」只出現在酷科幻電影中的世界。因此，建模時間序列時，我們希望避免用未來事件解釋過去的事件。此外，我們想驗證我們的模型，嚴格訓練過去的事件，可以解釋未來的事件。

使用RF滾動建模時間序列T.對於第t天，值T [t]是目標，值T [t-k]其中k = {1,2，...，h}，其中h是過去的水平線將用於形成特徵。對於非平穩時間序列，T被轉換爲例如相對變化Trel。 =（T [t + 1] -T [t]）/ T [t]。

爲了評估性能，我建議檢查RF的袋外交叉驗證度量。要知道，有一些缺陷可能會使得過於樂觀這項措施：

1. 未知的未來，以過去的污染 - 莫名其妙的滾動出現故障，使用未來事件的模型訓練集內解釋一樣的未來。非獨立抽樣：如果您要提前預測的時間間隔短於時間間隔，則計算相對變化，您的抽樣不是獨立的。

2. 其他可能的錯誤，我不知道的還

最後，每個人都可以對上面有一些潛在的方法錯誤。要檢查沒有發生，你需要通過反向測試來驗證你的模型。哪裏每天都是由一個嚴格訓練過去事件的模型預測的。

當OOB-CV和反向測試瘋狂地不同意時，這可能暗示了代碼中的一些錯誤。

要進行回溯測試，請在T [t-1到t-traindays]上滾動。對此訓練數據進行建模並預測T [t]。然後將t加1，t ++，然後重複。

爲了加速你可能只訓練你的模型一次或在每一個n的增量t。

Answer 2

閱讀銷售文件

Sales<-read.csv("Sales.csv") 

查找訓練集的長度。

train_len=round(nrow(Sales)*0.8) 
test_len=nrow(Sales) 

將您的數據分割爲訓練和測試設置在這裏我已經考慮過80-20分割你可以改變它。確保您的數據按升序排序。 訓練集

training<-slice(SubSales,1:train_len) 

測試集

testing<-slice(SubSales,train_len+1:test_len)