因此，我尝试使用Apache Spark进行时间序列数据的功耗预测 . 数据样本是：
03.01.15;22:30;236,25
03.01.15;22:15;240
04.01.15;16:00;243,775
等两年 . 我每15分钟观察一次
预测功耗的最佳方法是什么？
我尝试 LinearRegression ， Decision trees 等 . 我总是得到巨大的MSE（788） . 我尝试将月，日，小时，分钟作为 OneHotEncoder 传递 . 我尝试只做几周的预测等 .
数据的均值 year ， month ， day ：
[2014.3996710526321,5.726973684210525,15.713815789473673]
数据的差异 year ， month ， day ：
[0.2403293809070049,10.218579294199253,77.46326844706495]
测试均方误差
788.2397552290726
如果我像 LabeledPoint(236.25, 2015.0,1.0,3.0,22.0,30.0)) 那样直接传递值，则MSE会上升到 1280.8 . 如果我传递给模型，那么每天只有一次观察，这是最大值，它无济于事 .
但是如果我使用 KNIME 并尝试时间序列的例子，但是我的数据并没有考虑日期和时间，而是他们滞后于每次观察的功耗 .
我看到Cloudera有一个 Time Series 的库，但我不明白我为什么需要它 .
有人能描述对时间序列数据进行良好预测的过程吗？最后，我想输入日期和时间并进行预测 .
1 回答
我对你的问题有很多疑问，但让我试着用你给我的东西来处理 .
First, let's generalise the problem.
您的数据格式为
<timestamp>, <value>. 鉴于数据每15分钟收集2年，您的样本大小为（4 x 24 x 365 x 2）70080次观察（行）而且假设你想开发一个回归模型来预测它的行为 .
首先，您需要将数据集划分为训练和测试集 . 您使用训练集开发模型，并在测试集上测试模型 . 我会建议9：1分裂 .
Q1. Is this the kind of approach you have taken?
使用预测值与测试集中的实际值计算MSE .
Q2. You mention an MSE - I have no idea how this was calculated (only 3 data points provided) or the range of values you are working with. Can you please affirm how your error is calculated and what the minimization criteria is?
如果线性回归失败（无法成功预测运动），则可能是您的模型过于简单 - 尝试使用MLP或将回归模型与贝叶斯模型相结合（因为功耗是连续函数） .