python - 如何在python中建立一个不规则的时间序列预测模型？

Question

我正在尝试构建一个模型，数据由每天的特定日期时间组成(该 Action 每天可能发生多次)，我想预测下一次该 Action 发生的时间。

示例数据如下所示:

2021-12-17 21:28:26
2021-12-17 22:17:37
2021-12-17 22:27:21
2021-12-17 23:33:25
2021-12-17 23:57:27
.
.
.
2021-12-23 11:12:27
2021-12-23 12:01:11
2021-12-23 13:19:44
.
.
.

预测下一个 Action 时间？？？

我尝试使用 prophet 对我的数据建模但我不确定这对我来说是最好的选择。如果有人可以帮助我介绍库/包，我会很高兴。或者给我一些关键字来搜索。

附言我对这个话题不是很熟悉，几天前开始搜索。

Answer 1

我看到了两种可能的方法来改进预测，一种是快速的，一种是更复杂的。

1.- 对于快速方法，我会做的是修改数据以填补每次激活之间的秒数间隔(假设每次激活发生时下一次激活之间的差异超过一秒)。

date,                 activated 
2021-12-17 22:17:00,  1
2021-12-17 22:18:00,  0
2021-12-17 22:19:00,  0
2021-12-17 22:20:00,  0
2021-12-17 22:21:00,  0
2021-12-17 22:22:00,  0
2021-12-17 22:23:00,  0
2021-12-17 22:24:00,  0
2021-12-17 22:25:00,  0
2021-12-17 22:26:00,  0
2021-12-17 22:27:00,  1
.
.
.
2021-12-17 23:33:00,  1
.
.
.

然后您可以使用一个简单但非常强大的模型，即 XGBoost 回归器来尝试预测下一次激活发生的时间。

2.- 第二种方法是对第一种方法的补充，其中涉及特征工程，试图从数据中得出特征，例如不同激活的均值和标准差。

那么您可以像第一种情况一样使用 Xgboost 或其他一些神经网络分类器或 RNN。

您可以尝试这篇文章中的一些想法，它也很好地解释了如何完成流程的每个部分，包括特征工程:https://towardsdatascience.com/predicting-next-purchase-day-15fae5548027