Khi bạn có dữ liệu bảng điều khiển, có một nhiệm vụ khác nhau mà bạn có thể cố gắng giải quyết, ví dụ: phân loại / hồi quy chuỗi thời gian hoặc dự báo bảng điều khiển. Và đối với mỗi nhiệm vụ, có rất nhiều cách tiếp cận để giải quyết nó.
Khi bạn muốn sử dụng các phương pháp học máy để giải quyết dự báo bảng điều khiển, có một số cách tiếp cận:
Về dữ liệu đầu vào của bạn (X), các đơn vị xử lý (ví dụ: quốc gia, cá nhân, v.v.) dưới dạng mẫu iid, bạn có thể
- bin chuỗi thời gian và coi mỗi thùng là một cột riêng biệt, bỏ qua mọi thứ tự thời gian, với các thùng bằng nhau cho tất cả các đơn vị, kích thước thùng dĩ nhiên có thể chỉ là phép đo chuỗi thời gian quan sát được, hoặc bạn có thể lấy mẫu và tổng hợp thành các thùng lớn hơn, sau đó sử dụng các thuật toán học máy tiêu chuẩn cho dữ liệu dạng bảng,
- hoặc trích xuất các tính năng từ chuỗi thời gian cho từng đơn vị và sử dụng từng tính năng được trích xuất dưới dạng một cột riêng biệt, kết hợp lại với các thuật toán bảng tiêu chuẩn,
- hoặc sử dụng thuật toán hồi quy / phân loại chuỗi thời gian chuyên biệt tùy thuộc vào việc bạn quan sát dữ liệu chuỗi thời gian liên tục hay phân loại, điều này bao gồm các máy vectơ hỗ trợ với các hạt nhân đặc biệt so sánh chuỗi thời gian với chuỗi thời gian.
Về dữ liệu đầu ra của bạn (y), nếu bạn muốn dự báo nhiều điểm thời gian trong tương lai, bạn có thể
- phù hợp với công cụ ước tính cho từng bước phía trước mà bạn muốn dự báo, luôn sử dụng cùng một dữ liệu đầu vào,
- hoặc điều chỉnh một công cụ ước tính cho bước đầu tiên và dự đoán, cuộn dữ liệu đầu vào kịp thời, sử dụng dự đoán bước đầu tiên để nối với dữ liệu đầu vào được quan sát để đưa ra dự đoán bước thứ hai, v.v.
Tất cả các cách tiếp cận ở trên về cơ bản làm giảm vấn đề dự báo của bảng điều khiển thành vấn đề hồi quy chuỗi thời gian hoặc hồi quy dạng bảng. Khi dữ liệu của bạn ở định dạng hồi quy theo chuỗi thời gian hoặc dạng bảng, bạn cũng có thể nối thêm bất kỳ tính năng bất biến thời gian nào cho người dùng.
Tất nhiên, có các tùy chọn khác để giải quyết vấn đề dự báo bảng điều khiển, ví dụ như sử dụng các phương pháp dự báo cổ điển như ARIMA thích nghi với dữ liệu bảng hoặc phương pháp học sâu cho phép bạn trực tiếp thực hiện chuỗi dự đoán theo trình tự.