将R预测包与缺失值和/或不规则时间序列一起使用

R forecast包以及zoo用于不规则时间序列和内插缺失值的包给我留下了深刻的印象。

我的应用程序是在呼叫中心流量预测方面，因此（几乎）总是缺少周末的数据，可以通过很好地处理zoo。此外，一些离散的点可能会丢失，我只是用的r NA为。

事实是：所有的预测包的漂亮的魔法，比如eta()，auto.arima()等等，似乎期望普通ts的物体，不包含任何丢失的数据，即等间隔的时间序列。我认为在现实世界中仅存在等时时间序列的应用确实存在，但是-我认为-非常有限。

几个离散的问题NA的值可容易地通过使用任何的提供内插函数来解决zoo，以及通过forecast::interp。之后，我运行了预测。

我的问题：

有人建议更好的解决方案吗？
（我的主要问题）至少在我的应用程序域中，呼叫中心流量预测（据我所能想象的大多数其他问题域），时间序列不是等距的。至少我们有重复的“工作日”计划或类似的计划。什么是最好的处理方式，同时仍然使用预测包的所有酷魔术？

我是否应该“压缩”时间序列以填充周末，进行预测，然后再次“充气”数据以在周末重新插入NA值？（我认为这是一种耻辱吗？）

是否有计划使预测程序包与不定期的时间序列程序包（如Zoo或其兼容程序）完全兼容？如果是，何时和否，为什么不呢？

我对预测（以及一般的统计数据）还很陌生，所以我可能会忽略一些重要的事情。

— 企业家
source

欢迎来到该网站并进行预测！仅等间隔时间序列在现实世界中的应用绝对不是非常有限。我碰巧对您的超市中的预测有足够的了解，以应付促销需求，并且相信我，那数百万个时间序列（在1,000个商店中有20,000 SKU是非常普遍的）确实是等距的。（对不起，但是您有点要求...）但是我会在一分钟内尝试为您提供更有用的帮助。

— 斯蒂芬Kolassa

关于呼叫中心数据为何不等距的问题，您能否更明确地说明？（也许我误解了您所说的“等距”的意思。）我见过的呼叫中心预测方法通常将传入呼叫划分为15分钟的间隔，这符合我对“等距”的定义。然后，我们必须处理复杂的季节性（每天，每周内，每年），这可能对您有帮助？可以通过stats.stackexchange.com/questions/44704/…来回答您的问题吗？如果没有，请告诉我们您还需要什么。

— Stephan Kolassa 2013年

auto.arima可以处理缺失值。

— 罗伯·海德曼

感谢您提出的所有建设性意见！史蒂芬（Stephan），我的数据不能以两种方式等距分布：1.许多呼叫中心仅在周六和周日关闭。有些仅在周日关闭。因此，两个相邻数据点之间的“正常”间隔是一天，而从周五到周一则是三天。因此空间不相等，即不等距。其次，在某处可能只是随机丢失数据，因为他们只是忘记了当天或任何时间打开测量设备。我希望我的观点明确。

— entreprogreur 2013年

只是一个（挑衅性的）想法。如果您说呼叫中心在周末关闭。这样您就不会丢失任何数据。您的时间范围跨Mo-Fr。5天。等距。在我看来，对周末进行插值在形式上似乎是错误的，因为您知道没有通话发生，并且您估算的任何信息都是错误的。我认为您永远无法通过发明数据来改进估算...

— 有意义的意思

Answers:

我不是R专家，所以也许有一种更简单的方法，但是我以前曾遇到过。我之前所做的是实现一个函数，该函数测量实际日期之间的距离（以时间单位），并将其保存在现有时间序列的新列中。所以我们有这样的东西：

index/date | value | distance  
01.01.2011 |  15   |   1  
02.01.2011 |  17   |   3  
05.01.2011 |  22   |   ..

这样，如果您的时间序列尚未与实际的时间点序列（或错误的格式等）相关联，那么您仍然可以使用它。

接下来，编写一个为您创建新时间序列的函数，如下所示：

首先，您计算在选择日期之间时间序列实际上将有多少个时间单位，然后在zoo或ts中创建该时间线，或者使用空值进行任何选择。

其次，获取不完整的时间序列数组，并根据选择的限制，使用循环将值填充到正确的时间轴中。当您遇到单位距离不为一的行（缺少天（单位））时，请填写插值。

现在，由于这是您的功能，因此您实际上可以选择如何进行插值。例如，您决定如果距离小于两个单位，则使用标准线性插值。如果缺少一周，则需要执行其他操作，如果达到丢失日期的特定阈值，则会发出有关数据的警告-实际上是您想像的任何内容。

如果循环到达结束日期，则返回新的ts。

此类功能的优势在于，您可以根据间隙的长度使用不同的插值或处理程序，并以您选择的格式返回干净创建的序列。写入后，它可以使您从任何形式的表格数据中获得简洁的信息。希望这对您有所帮助。

— 我是一个
source

谢谢您，IMA，这个有用的答案！因此，我现在要做的是：对于离散的缺失值，我使用插值法（以及用户提供的“调整”）来填充缺失的数据。IMA，您的进一步完善的答案非常有帮助。对于“常规”缺失数据（例如周末），我将数据转换为仅用于预测目的的第二个“伪” ts，然后将结果转换回“正确”时间序列，因此预测也将具有缺失值在周末。对于在周末如何处理常规“空白”的更优雅的建议，我仍将不胜感激。

— entreprogreur 2013年

@entreprogreur，我没有回答，IMA回答了。IMA在此获得全额荣誉。我只是对格式进行了调整，以便可以很好地显示。

— gung-恢复莫妮卡

在进行进一步的统计处理之前，应用插值时应非常小心。您对插值所做的选择会给数据带来偏差。您肯定要避免这种情况，因为它可能会改变预测的质量。我认为，对于您提到的那些遗漏的值，这些值在时间上是规则间隔的，并且与活动的停止相对应，因此将这些天排除在模型之外可能更正确。在呼叫中心的小世界（您正在为其构建的模型）中，最好考虑到关闭时只是停止时间而不是发明不存在的活动的度量。另一方面，ARIMA模型是在数据均等分布的假设下建立的。据我所知，ARIMA无法适应您的情况。如果您在实际工作日仅缺少一些度量，则可能被迫使用插值法。

— 雷米·D
source

正如@Remi所指出的，我不会在根据该数据估算模型之前对数据进行插值。这是一个坏主意。一个极端的例子：假设您有两个数据点2013年1月和2014年1月。现在在10月到2013年12月之间插入10个月度点，并在月度日期进行回归。实际上，情况不会这么糟，但它是同一个想法：您充其量只能充实您的统计信息。

解决方法是使用可处理丢失数据的时间序列方法。例如，状态空间方法。看看astsa R包。它随附一本关于时间序列分析的优秀书籍。这样可以很好地处理丢失的数据。Matlab现在在ssm包中具有类似的功能。您必须学习将模型转换为状态空间形式，但是如果您想摆脱auto.arima“魔术”，则无论如何都必须学习这一点。

— 阿克萨卡尔族
source