m****n
发帖数: 3016 | 1 大意是已知
1. 某公司旗下所有产品(n>200) 一段时间内在social media （n>4） 上的日新增和累
计点击率
2. 在这一段时间内，每天的销售情况
3. 在这一段时间内，哪天有新产品发布
要求是，用Bayesian 来预测，发布新品后，一周的销售量。
我的想法是，现在数据中，找到发布新品的日期。然后把这个日期前a天，后6天的数据
（social media, sales）取出来.用Bayesian 做一个regression. 由于不是学统计的
，想请教各位我这个做法合适么？或者有什么建议的方法么？像这种social media，
prior 一般如何定义？
谢谢！！ | g*******u
发帖数: 148 | 2 你要注意這裡的關鍵字: "日新增"
也就是 on daily basis 你每天都會有新的資料點進來
這時候你要用 bayesian 做預測
意思是你要用bayes的方法去update
你可以查一查 bayesian updating
在未知或已知variance的情況下，mean update 都有簡單的公式
我想這才是你應該想的方向
用Bayesian regression沒有太大意義
因為除非你知道為甚麼OLS不恰當
否則OLS一般而言就有非常好的性質了
【在 m****n 的大作中提到】
: 大意是已知
: 1. 某公司旗下所有产品(n>200) 一段时间内在social media （n>4） 上的日新增和累
: 计点击率
: 2. 在这一段时间内，每天的销售情况
: 3. 在这一段时间内，哪天有新产品发布
: 要求是，用Bayesian 来预测，发布新品后，一周的销售量。
: 我的想法是，现在数据中，找到发布新品的日期。然后把这个日期前a天，后6天的数据
: （social media, sales）取出来.用Bayesian 做一个regression. 由于不是学统计的
: ，想请教各位我这个做法合适么？或者有什么建议的方法么？像这种social media，
: prior 一般如何定义？
|
|
