В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

R language and Statistical data analysis

1000 membersпожаловаться на группу
2019 December 22

A

Artyom in R language and Statistical data analysis
всем привет! подскажите пожалуйста, как работать с временным рядом от многих переменных? допустим есть колонки время,тип товара, и прочие характеристики. Можно сгруппировать данные допустим помесячно, посчитать сумму продаж, построить график и строить модель, описывающую этот временной ряд, но он же уже будет от одной переменной, как учесть первоначальный датасет?
источник
08:12пожаловаться#1

IM

I M in R language and Statistical data analysis
Artyom
всем привет! подскажите пожалуйста, как работать с временным рядом от многих переменных? допустим есть колонки время,тип товара, и прочие характеристики. Можно сгруппировать данные допустим помесячно, посчитать сумму продаж, построить график и строить модель, описывающую этот временной ряд, но он же уже будет от одной переменной, как учесть первоначальный датасет?
Какая задача стоит? Вопрос 'как работать' не вполне понятен
источник
08:15пожаловаться#2

A

Artyom in R language and Statistical data analysis
задача регрессии, предсказать сумму продаж
источник
08:16пожаловаться#3

IM

I M in R language and Statistical data analysis
Ну надо сразу простой lm() попробовать
источник
08:18пожаловаться#4

A

Artyom in R language and Statistical data analysis
это в исходном датасете? а как там сумму тогда посчитать для всех товаров?
источник
08:23пожаловаться#5

IM

I M in R language and Statistical data analysis
Сложно ответить на такие вопросы, не зная, как у вас организованы данные и какими пакетами пользуетесь
источник
08:28пожаловаться#6

A

Artyom in R language and Statistical data analysis
источник
08:32пожаловаться#7

A

Artyom in R language and Statistical data analysis
исходные данные
источник
08:32пожаловаться#8

A

Artyom in R language and Statistical data analysis
источник
08:32пожаловаться#9

A

Artyom in R language and Statistical data analysis
сгруппированные по неделям, сумма продаж и просмотров
источник
08:33пожаловаться#10

A

Artyom in R language and Statistical data analysis
нужно предсказать unit count допустим на неделю вперед, то есть разбить исходный ряд на трейн и тест, обучить модель и сделать предскзазание
источник
08:34пожаловаться#11

A

Andrey in R language and Statistical data analysis
Ну а фичи там какие? Только число просмотров?
источник
10:54пожаловаться#12

A

Andrey in R language and Statistical data analysis
короче, берешь профет, туда сам временной ряд unit_count и как доп. фичу product_views с лагом 1 добавляешь.
источник
10:58пожаловаться#13

A

Artyom in R language and Statistical data analysis
фичи- impressions, checkouts, views. но если раскрыть product id, то там тоже фичи можно взять- например бренд, цвет, категория, сезон
источник
11:11пожаловаться#14

A

Andrey in R language and Statistical data analysis
тогда тут большое пространство для фичеинжениринга. Что-то агрегатами по неделям считается, что-то дает сразу несколько фич (количество продаж по отдельным брендам). Какие-то фичи будут идти с лагом в 1 неделю, а какие-то нужно брать за ту неделю, для которой предикт нужен. И из даты-времени еще десяток фич можно намутить.
источник
11:23пожаловаться#15

A

Andrey in R language and Statistical data analysis
профет не обязателен, можно как обычную "табличную" задачу регресии переформулировать (без временных рядов как таковых) и тюнить бустинг в свое удовольствие
источник
11:25пожаловаться#16

A

Andrey in R language and Statistical data analysis
я прям на 100% такую задачу не решал, но на некоторых похожих понял, что свойства товаров являются не слишком хорошими предикторами. Гораздо важнее признаковое описание клиентов (которое обычно очень скудное) и потребительские настроения. А вот их можно учесть путем добавления правильных временнЫх фич и м.б. докидыванием внешних данных типа курса валют
источник
11:27пожаловаться#17

ВК

Владимир Калинин in R language and Statistical data analysis
источник
11:34пожаловаться#18

ВК

Владимир Калинин in R language and Statistical data analysis
Караул. ggplot рисует такой график
источник
11:34пожаловаться#19

ВК

Владимир Калинин in R language and Statistical data analysis
а rmarkdown этот же самый код превращает
источник
11:35пожаловаться#20