Xgboost預測模型缺失假期

Question

我正在構建一個預測系統，以預測在給定時間點將斷開連接的有線用戶數量。我正在使用Python，並且嘗試使用不同的模型，XGBoost表現最好。

我有一個以移動窗口方式工作的自我引用系統，例如，當我用完了實際情況，我開始在我的滯後時間使用預測數字。

要構建預測系統，我使用了先前800天的滯後（斷開一天），移動平均值，比率，季節性，年，月，日，星期等指標。但是，節假日，是在哪裏得到一點點搞砸了。最初我只用了一列來表示各種假期，但後來我發現不同的假期可能會產生不同的影響（一些假期導致高銷售額，一些假期導致流失），所以我爲每個假期添加了一列，我也加了長週末指標，週日假期等。我還添加了一個'季節'的列表示節日期間，如感恩節，新年假期等

即使添加這麼多與假期相關的列後，我很大程度上錯過了感恩節和新的一年。儘管它在某種程度上確實照顧了假期，但它完全錯過了高峯期。從圖表中可以看出，尖峯是一種趨勢，每年都會出現（橙色）。我的預測（灰色）確實在十二月十七日提出假期，但它在預測之下，關於如何照顧的任何想法。

p.s.我調整了xgboost超參數使用gridsearch

Answer 1

據我所知，如果你清理你的數據，刪除離羣值，你的模型將提供一個更穩定的預測集整體，但它將無法預測說離羣值。

如果你確實清除了數據，我會用閾值來玩，看看更廣泛的日常錯誤平衡能否預測更高的峯值。