Cómo hacer pronósticos de series temporales con 20 variables independientes y una variable objetivo?
En un problema en el que estoy trabajando, tengo que hacer un pronóstico de series temporales para predecir una variable dependiente a con 15 variables independientes diferentes b1, b2, b3..b15 en python. ¿Funcionará la regresión lineal? Soy nuevo en el modelado predictivo…
davy.ai
Como nuevo profesional, has planteado una interesante pregunta. La respuesta rápida es que el uso de un modelo de regresión lineal no es suficiente para predecir una variable dependiente a partir de 15 variables independientes diferentes en un problema de series temporales. La regresión lineal es una forma básica de modelado predictivo y asume una relación lineal entre las variables dependientes e independientes. Esto a menudo es demasiado simplista para problemas complejos de series temporales.
En tu problema con 15 variables independientes, deberás considerar modelos más avanzados que puedan capturar la complejidad de la relación. Algunos algoritmos de aprendizaje automático que podrían ser más útiles incluyen Random Forest, Gradient Boosting y Redes Neuronales. Estos modelos pueden manejar relaciones altamente no lineales entre variables.
Además, los datos de series temporales tienen características únicas que deben tenerse en cuenta al construir un modelo. Por ejemplo, la presencia de tendencias y componentes estacionales en los datos, la existencia de correlaciones entre observaciones y la necesidad de pronosticar valores futuros.
Por lo tanto, te sugiero estudiar los diversos algoritmos de aprendizaje automático y las características únicas de los datos de series temporales antes de decidir qué enfoque de modelado predictivo utilizar para resolver tu problema.