如何在R中实现分类时间序列预测？含穿衣序列预测场景

你已经用ARIMA搞定了连续值的时序预测，但分类值的时序确实不一样——ARIMA是针对数值的，没法直接用在类别序列上。针对你说的穿衣训练序列预测，我给你几个实用的R实现方案，都是适合这种有序分类序列的方法：

一、最直观的方法：马尔可夫链（一阶/高阶） #

穿衣步骤是典型的有顺序依赖的序列：下一步穿什么很大程度上取决于上一步穿了什么。马尔可夫链就是靠统计这种“状态转移概率”来做预测的。

步骤1：准备数据 #

先把5个人的序列整理好（我补充了你截断的部分，你可以根据实际数据调整）：

person1 <- c("underwear", "socks", "pants", "shirt", "tie", "shoes", "jacket")
person2 <- c("underwear", "pants", "shirt", "socks", "shoes", "jacket")
person3 <- c("underwear", "shirt", "pants", "socks", "tie", "shoes", "jacket")
person4 <- c("underwear", "socks", "shirt", "pants", "shoes", "jacket")
person5 <- c("underwear", "pants", "shirt", "tie", "shoes", "jacket")

dressing_sequences <- list(person1, person2, person3, person4, person5)

步骤2：一阶马尔可夫链实现 #

一阶就是只看当前最后一个步骤，统计它之后最常出现的下一个步骤：

library(dplyr)

# 提取所有的"当前步骤→下一个步骤"转移对
transitions <- lapply(dressing_sequences, function(seq) {
  data.frame(
    current = seq[-length(seq)],
    next_step = seq[-1]
  )
}) %>% bind_rows()

# 计算每个步骤的转移概率
transition_probs <- transitions %>%
  group_by(current) %>%
  count(next_step, name = "count") %>%
  mutate(prob = count / sum(count)) %>%
  arrange(desc(prob))

# 定义预测函数：给定最后一步，返回概率最高的下一步
predict_next <- function(last_step) {
  probs <- transition_probs %>% filter(current == last_step)
  if (nrow(probs) == 0) {
    # 如果没见过这个步骤，返回全局最常见的后续步骤
    return(transitions %>% count(next_step, sort = TRUE) %>% slice(1) %>% pull(next_step))
  }
  probs %>% slice(1) %>% pull(next_step)
}

# 假设person6当前的序列是c("underwear", "socks", "pants")，预测最后两个条目
person6_current <- c("underwear", "socks", "pants")
next1 <- predict_next(last(person6_current))
next2 <- predict_next(next1)

cat("一阶马尔可夫预测结果：", next1, "和", next2, "\n")

步骤3：高阶马尔可夫链（更准确） #

如果穿衣步骤依赖前面多个步骤（比如穿了pants+shirt之后，下一步更可能是tie），可以用二阶马尔可夫链：

# 提取"前两个步骤→下一个步骤"的转移对
second_order_trans <- lapply(dressing_sequences, function(seq) {
  if (length(seq) < 3) return(NULL)
  data.frame(
    prev_two = paste(seq[-c(length(seq), length(seq)-1)], seq[-c(1, length(seq))], sep = "_"),
    next_step = seq[-c(1,2)]
  )
}) %>% bind_rows()

# 计算二阶转移概率
second_order_probs <- second_order_trans %>%
  group_by(prev_two) %>%
  count(next_step, name = "count") %>%
  mutate(prob = count / sum(count)) %>%
  arrange(desc(prob))

# 二阶预测函数，没找到二阶模式就退回到一阶
predict_next_2nd <- function(last_two_steps) {
  prev_two_str <- paste(last_two_steps[1], last_two_steps[2], sep = "_")
  probs <- second_order_probs %>% filter(prev_two == prev_two_str)
  if (nrow(probs) == 0) {
    return(predict_next(last_two_steps[2]))
  }
  probs %>% slice(1) %>% pull(next_step)
}

# 预测person6的后续步骤
person6_current <- c("underwear", "socks", "pants")
last_two <- tail(person6_current, 2)
next1_2nd <- predict_next_2nd(last_two)
next2_2nd <- predict_next_2nd(c(last_two[2], next1_2nd))

cat("二阶马尔可夫预测结果：", next1_2nd, "和", next2_2nd, "\n")

二、专业序列分析工具：traMineR包 #

如果你想更系统地分析序列模式，可以用traMineR——这是专门处理状态序列（分类时序）的R包，支持基于序列相似性的预测：

# install.packages("traMineR")
library(traMineR)

# 转换为traMineR的序列对象
dressing_seqs <- seqdef(dressing_sequences, 
                        alphabet = c("underwear", "socks", "pants", "shirt", "tie", "shoes", "jacket"))

# 假设person6的初始序列是c("underwear", "socks", "pants")
person6_init <- seqdef(list(c("underwear", "socks", "pants")), alphabet = alphabet(dressing_seqs))

# 找到和person6初始序列最相似的已有序列，用它的后续步骤做预测
dist_matrix <- seqdist(dressing_seqs, person6_init, method = "LCS") # LCS是最长公共子序列距离
most_similar_idx <- which.min(dist_matrix)
most_similar_seq <- dressing_sequences[[most_similar_idx]]

# 提取需要的后续步骤
init_len <- length(person6_init)
predicted_steps <- most_similar_seq[(init_len+1):(init_len+2)]

cat("基于序列相似性的预测结果：", predicted_steps[1], "和", predicted_steps[2], "\n")

总结建议 #

• 如果你的序列比较短、类别不多，一阶/二阶马尔可夫链足够用，代码简单，结果也容易解释。
• 如果序列有更复杂的模式，或者你需要做更深入的序列分析，traMineR是更好的选择。
• 如果遇到罕见的步骤组合，可以加个“平滑”逻辑（比如给每个转移加1次计数，避免概率为0），或者退回到全局频率最高的步骤。

内容的提问来源于stack exchange，提问作者mowglis_diaper