Tengo algunos datos que contienen datos que se remontan a 2009.
Sin embargo, cada individuo del conjunto de datos puede tener unos 10 puntos de datos relacionados con él. A intervalos poco frecuentes y variados entre cada punto de datos.
Además, como hay unos 600 individuos en el conjunto de datos, cada uno de ellos no tiene muchos puntos de datos asociados.
Entonces, ¿existe alguna biblioteca/método de previsión en Python o R que pueda ayudarme a predecir el valor para una determinada lectura?
Por un lado, se puede pronosticar cada serie por separado. Poco se puede hacer para series temporales con sólo diez observaciones. Puede probar con la media histórica, o la mediana histórica, o utilizar la última observación histórica como previsión. No se necesitan herramientas ni bibliotecas especiales. Véase El mejor método para series temporales cortas .
Por otro lado, es posible que pueda realizar algún tipo de aprendizaje cruzado, de modo que pueda aprender de los otros 599 individuos cuando pronostique al individuo nº 600. Hay varias formas de hacerlo, por ejemplo, ajustando un modelo lineal mixto o posiblemente creando una red neuronal adecuada (aunque 10 observaciones de cada uno de los 600 individuos no son muchos datos para una red neuronal). Necesitarías más información sobre tu caso concreto.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
