在R中使用随机森林进行时间序列预测

Question

我正在尝试使用randomforest进行时间序列分析。 PFB我的代码

Subsales<-read.csv('Sales.csv') 
head(Subsales) 

样本数据：

Date    SKU       City Sales 
     <date>        <chr> <chr> <dbl> 
1 2014-08-11 Vaseline Petroleum Jelly Pure 60 ml Jeddah1 378 
2 2014-08-18 Vaseline Petroleum Jelly Pure 60 ml Jeddah1 348 
3 2014-08-25 Vaseline Petroleum Jelly Pure 60 ml Jeddah1 314 
4 2014-09-01 Vaseline Petroleum Jelly Pure 60 ml Jeddah1 324 
5 2014-09-08 Vaseline Petroleum Jelly Pure 60 ml Jeddah1 352 
6 2014-09-15 Vaseline Petroleum Jelly Pure 60 ml Jeddah1 453 


####Length of training & testing set Splitting it 80-20#### 

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



######Splitting dataset into training and testing##### 

#### Training Set 
training<-slice(SubSales,1:train_len) 
#### Testing Set 
testing<-slice(SubSales,train_len+1:test_len) 

training=training[c(1,4)] 
testing=testing[c(1,4)] 

library(randomForest) 
set.seed(1234) 
regressor = randomForest(formula=Sales~., 
       data=training, 
       ntree=100) 

y_pred = predict(regressor,newdata = testing) 

我得到一个固定的结果，当我使用预测功能测试数据set.All预测值369，我试着再数据集我得到了同样的结果。谁能告诉我我在这里做错了什么？

Answer 1

让我试着重新解释你的问题，以确保我准确理解你想要做的事情。

您的产品每天都有销售额，并且您希望预测销售额与未来日期的函数关系。您没有任何预测变量，如客户数量，广告花费或其他任何内容。您输入的数据是这样的：

Date  Sales 
2014-08-11 378 
2014-08-18 348 
2014-08-25 314 
2014-09-01 324 
2014-09-08 352 
2014-09-15 453 
... 

我认为按照预期的随机森林的行为。随机森林是一个有监督的机器学习算法，在给定输入变量x（预测变量）的情况下，试图预测y（响应，这里：销售）。在这里，您提供的唯一x是日期。但是，每个日期对于随机森林来说都是全新的，因此该算法只能猜测当天的产品销量将平均。

你有两个选择：

选项1）坚持你只使用日期作为预测的方法。您将需要一种不同的方法，或许是一种自回归方法，如ARIMA。这种方法试图检测数据中的趋势。销售是静态的，增长还是下降？是否有每周趋势，每月趋势，年度趋势？为了得到一个例子，你开始可以发现here

选项2）使用数据收集和功能工程，创造出功能，可帮助随机森林预测值新日期。例如，尝试获取有关有多少客户在某一天来到商店的数据，或者提取一周中的某一天（星期一，星期二......）并将其作为单独变量保存。 R包软件包将帮助你做到这一点。下面的简短示例：

library(lubridate) 
Subsales <- mutate(Subsales, Weekday = wday(Date, label = TRUE)) 

希望这有助于！