Walmart-Forecasting:使用线性回归，ETS模型，ARIMA模型和动态回归模型对五年的每日单位销售数据进行时间序...

沃尔玛产品部门销售的时间序列分析和预测项目介绍在该项目中，我们小组根据来自的Walmart五年单位销售数据，使用四种模型对一种Walmart产品（FOODS_3_352）进行了28天单位销售预测。 首先，我们进行了基本的数据清理和可视化，并探索了销售模式。 然后，我们应用了回归模型，ETS（误差，趋势，季节性）模型，季节性ARIMA（自回归，积分，移动平均值）模型和动态回归模型来进一步分解数据并进行预测。 最后，我们基于参数RMSE评估了预测的模型性能。所有项目文件都包含在此仓库中使用的工具/语言： Python(pandas, numpy) ， R(forecast, ggplot, dbplyr, urca, lubricate) ， Excel请参阅我们的最终文件描述1. datacalendar_factors.csv包含具有清洗和准备好的日历虚拟变量的目标销.....
.....