时间系列数据的数值，每2分钟一次频率

Question

我有一个两个月的数据集，每两分钟读一次数据集。 statsmodel.tsa.seasonal_decompose方法要求输入频率的数值。这些数据的数值是什么，在这样的时间序列数据中计算频率的正确方法是什么？

Answer 1

您需要自己确定季节性频率。通常，这是使用数据集或通过目测检查部分自相关图，其中statsmodels库提供知识去做： statsmodels - partial autocorrelation

如果数据每小时季节性它，你可能会看到一个显著部分自相关滞后30（因为在这个小时的第一个2分钟和最后一个小时的第一个2分钟之间有30个数据点）。我假设statsmodels会期望这个值;我假设你是否有每月的数据，它会预期12，或者如果你有每日数据，它会期望每周形状等7。

这听起来像你有多个季节性来考虑你的其他帖子。您可能会看到相当于前几小时，前几天和/或前几周相同的2分钟的显着延迟。这种做法季节性分解被认为是天真和它的文档中描述的只涉及1个季节性： Seasonal Decomposition

如果你想继续往下季节性分解路径，你可以尝试释放相对最近发布的双季节性模型通过Facebook。它专门设计用于模拟年内和周内季节性的日常数据。也许它可以适应你的问题。 fbprophet

季节性分解模型的缺点是它不能捕捉季节可能随时间变化的方式。例如，夏季电力需求一周的特征与冬季大不相同。该方法将确定平均季节模式并将剩余信息留在残差中。因此，考虑到你的特征因星期几而异（在你的其他文章中提到过），这并不能说明这一点。

如果您想向我发送您的数据，我会有兴趣查看。根据我的经验，您已经进入了时间序列预测的深层次，而这并不一定具有易于使用的现成解决方案。如果您确实提供了，请说明您的目标是什么：

• 您是否尝试提前预测，如果有，多少2分钟的间隔？
• 你需要置信区间，蒙特卡罗结果还是两者都不？
• 您如何测量模型性能的准确性？它有多好？