为这些愚蠢的问题道歉-这里总共n00b。
假设我有以下数据集。
date,site,category,locale,type,rank,sessions,logins
01/01/2017,google.com,search,US,free,1,3393093,50000
01/01/2017,google.com,overall,US,free,1,3393093,50000
01/01/2017,yahoo.com,search,US,3,free,core,393093,40000
01/01/2017,yahoo.com,news,US,9,free,393093,40000
01/01/2017,yahoo.com,overall,US,23,free,393093,40000
01/01/2017,wsj.com,news,US,21,free,200000,180000
01/01/2017,wsj.com,news,US,21,subscription,200000,180000
01/01/2017,wsj.com,overall,US,93,free,200000,180000
其中rank是该站点的Alexa等级。可能有几个类别(搜索、电子邮件、电子商务等)，排名与该类别中的排名相对应。
我正试图预测特定网站/地区/排名在特定一天的会话和登录次数，基本上可以归结为一个多变量时间序列回归问题，我使用的是sklearn的RandomForestReturnsor。
现在我根本不把它当作时间序列问题——为了训练，我删除了date和site列，对category、locale和rank列进行编码，使用它们和rank作为输入，并训练我的模型来预测sessions和logins。结果看起来不错，但我想知道：
如何将其转换为正确的时间序列预测？我看到了Jason Brownlee的一些例子，其中问题被重新定义为监督学习问题，但这不起作用，因为我可能有数百万行的训练数据。我可以按类别/区域设置/类型对训练数据进行分组，按日期排序，并在第T天对特定类别/区域/类型组合进行测试，使用直到第T-1天的数据进行训练-但这种方法非常昂贵，因为可能有数千种此类类别/区域设置/类型组合
我读过关于使用移动平均线来提高业绩的文章。在训练集中计算
sessions和logins的移动平均值是微不足道的，但由于这是一个因变量，我如何在测试集中捕捉它？对于这项任务，有比RF更好的工具吗？
我会在链接的博客文章中使用该方法，如果使用像shift这样的矢量化numpy操作，数据转换应该不会有问题。
顺便说一句，如果你忽略了日期，你只是在计算每组的平均数字，即你正在使用一个随机森林来构建一个非常奇特的数据透视表；-)