Parece que es posible que desee realizar algunas funciones de ingeniería para crear una función llamada “tiempo de espera”. Quizás también pueda agregar algunas características categóricas para antes o después de un cambio de política dado. De esta manera, puede eliminar la información de fecha y hora por completo y reducir su problema para que sea solo una regresión lineal.
Mi respuesta es específica, pero también es general, ya que a menudo la forma de lidiar con las series temporales es usar la ingeniería de características para eliminar la información de fecha y hora.
En su mayoría, necesita métodos de series temporales cuando su problema se preocupa explícitamente por la ocurrencia simultánea en el tiempo. A menudo esto se debe a que le preocupan algunas características cíclicas, como la hora del día o las estaciones. Otras veces, sus datos pueden covariar a tiempo porque responden a los mismos efectos, como en los datos del mercado de valores.
- Cuál debería ser mi próximo paso, después de cubrir las estadísticas básicas de las estadísticas principales, un curso básico de análisis de datos (preparación de datos, exploración, clasificación, minería de reglas de asociación, agrupación, regresión) y un proyecto en un conjunto de datos SSLC (puede encontrarlo en mi único blog en Quora) usando R?
- ¿Por qué las redes neuronales profundas no pueden extraer la estacionalidad de las series de tiempo?
- ¿Qué es una explicación intuitiva de la iteración de valores en el aprendizaje por refuerzo (RL)?
- ¿Necesita normalización de características después de la reducción de dimensiones para la clasificación?
- ¿Cuál es la forma correcta de crear consultas jerárquicas?
