Saya memiliki variabel kontinu, disampel selama periode satu tahun dengan interval tidak teratur. Beberapa hari memiliki lebih dari satu pengamatan per jam, sedangkan periode lainnya tidak memiliki apa-apa selama berhari-hari. Ini membuatnya sangat sulit untuk mendeteksi pola dalam deret waktu, karena beberapa bulan (misalnya Oktober) sangat diambil sampelnya, sementara yang lain tidak.
Pertanyaan saya adalah apa yang akan menjadi pendekatan terbaik untuk memodelkan seri waktu ini?
- Saya percaya sebagian besar teknik analisis deret waktu (seperti ARMA) membutuhkan frekuensi tetap. Saya dapat mengumpulkan data, untuk mendapatkan sampel yang konstan atau memilih sub-set data yang sangat terperinci. Dengan kedua opsi tersebut saya akan kehilangan beberapa informasi dari dataset asli, yang dapat mengungkap pola yang berbeda.
- Alih-alih mendekomposisi seri dalam siklus, saya bisa memberi makan model dengan seluruh dataset dan berharap untuk mengambil pola. Sebagai contoh, saya mengubah jam, hari kerja dan bulan dalam variabel kategori dan mencoba regresi berganda dengan hasil yang baik (R2 = 0,71)
Saya mempunyai ide bahwa teknik pembelajaran mesin seperti JST juga dapat memilih pola-pola ini dari deret waktu yang tidak rata, tetapi saya bertanya-tanya apakah ada yang pernah mencobanya, dan dapat memberikan saya beberapa saran tentang cara terbaik untuk merepresentasikan pola waktu dalam jaringan saraf.