У меня есть 300 магазинов и 20000 товаров в моем наборе данных, и я хочу предсказать прогноз продаж на ближайшие 3 месяца для каждой торговой точки на каждом уровне продукта. И мой фрейм данных выглядит так (пример), как этот фрейм данных, который я беру с SQL Server 2016
Date outlet produ price
2019-Jan A W 10
2019-Feb A R 20
2019-Feb A W 15
2019-Jan B W 30
2019-Jan B F 40
2019-Feb B W 40
я пытался получить все временные ряды наблюдения за одним продуктом, установить модель и получить результат
##getthe data set like this
outlet <-c('A','A','B','B')
produ <-c('W','R','W','F')
price <-c(10,20,30,40)
df <- data.frame(outlet,produ,price)
##tried to get single product
dpSingle <- dplyr::filter(df,df$produ == 'W')
data.ts=ts(Quntity, start=c(year,month), frequency=12)
fit_arima <- auto.arima(data.ts,d=1,D=1,stepwise = FALSE
,approximation = FALSE, trace = TRUE)
fcast<-forecast(fit_arima,h=24)
autoplot(fcast) + ggtitle("Forecasted for next 24 months")+
ylab("quntity")+xlab("Time in days")
print((exp(fcast$mean )))
но я хочу пройтись по фрейму данных и сначала определить точку сбыта, а затем продукт, получить подробные наблюдения с функциями и перейти к моей модели временных рядов и получить прогнозы индивидуально для каждой точки каждого продукта.