请问有什么方法适用于多份时间序列吗

[Enderfga]

我想把HyperTS用在一个新冠患者人数的数据集中，所以有不同国家相同时间段的数据，国家是否可以作为协变量？同一时间点有多个国家的数据，而且时间长度有差异

[zhangxjohn]

目前，协变量支持的功能性是突出某时间点是否与其他时间点存在差异性。如果您想多国家一起预测，那么如果所有国家在时间点上是对齐的，可以采用多变量预测来建模。

[Enderfga]

训练集是多国家的时序数据 测试集是新的国家的未来数据 请问这样的功能可以实现吗

[zhangxjohn]

这样大概是不行的，数据已经不是同分布了。

[yunchenran]

我也有同样的问题，比如预测商家/商品销量，不同商家/商品的销售时间可能是做不到一一对应的，这种情况下如果要用这个库有没有示例呢？ 把所有商家的销量和特征放到一个训练集里会报错么（因为会出现相同或不连续的时间）

[zhangxjohn]

我也有同样的问题，比如预测商家/商品销量，不同商家/商品的销售时间可能是做不到一一对应的，这种情况下如果要用这个库有没有示例呢？ 把所有商家的销量和特征放到一个训练集里会报错么（因为会出现相同或不连续的时间）

是不同商家/商品出现了采样缺失吗（即没有销量无记录状态）？ 如果是这样，您可以对于数据先做一个简单的处理，依据所有商品的销量的最小时间频率对齐所有商家的所有商品销量，其中补充出的时间特征位置可以置0（即该时间点无销量）。

[yunchenran]

依据所有商品的销量的最小时间频率对齐所有商家的所有商品销量 嗯嗯 好的 感谢。 另外这种情况下数据里的商家/商品的 ID 假如不想当特征的话，是直接忽略掉就可以么，这样一份数据里同一天的数据可能出现多个样本是 OK 的么？还是说只能对单个商家/商品分别建模（但是这样的量级可能无法接受） 还有就是这种选择预测模式的话是算作多变量时序预测？

[newbei]

你好，对于以上提到销量预测的数据情况，可以这样处理： 1、将商品/商品的ID两列拼接为一列"商家_商品ID"列 2、通过行转列的方法(可以用pandas 的pivot_table方法)，将每个商家_商品ID值，转成时间序列。

预测模式选择多变量预测。