基于机器学习算法的预测

Question

如果这是一个过于笼统的问题，我很抱歉，但是在我的模型中，我被困在完美和充分之间。所以我想在这里问一问。如果这不是一个合适的问题，你的负面反馈都是欢迎的，对不起。但从理论上讲，主题在灰色地带内，我认为所有的评论都是有价值的。据我所知，使用ML进行预测并不是一种普遍的方法。

我们的销售团队在每年年初发布一份预测报告。但它大多与现实相去甚远，不太科学。它还包括主观评价。

我们决定建立一个ML模型来进行预测。不是一个经典的预测，因为有许多输入变量可以影响输出。所以，这实际上是一个实验项目。

到目前为止，我已经开发了一个足够的模型，它已经比销售的要好得多。但我仍然认为它不是一个好的，只是足够。

数据包括以客户为基础的销售。所以有很多种组合。通过查看MachineLearningMastery.com上类似的应用程序，我开发了这样的模型：

客户自M9-M8.m1-月-季度- movingavg3 - mov6 - mov9 -movingavg3度假-movingavg3度假计数

m9到m1是之前9个月的销售预测月M(输出变量)M的大部分变化在0到800之间。例如，假期从0到6。我在0-1之间缩放了所有这些数值变量

按月对月的客户变量是绝对的，我使用了OneHotEncoding作为这些变量。

我对所有数据进行了洗牌，所以数据集中没有时间顺序依赖。

我把数据分成三个部分。1: 100以上平均3个月；2:10-100平均3: 0以下平均3个月。我为每3段运行不同的模型。

有许多0值，所以我首先使用一个LGBClassifier来确定销售是否为0。如果不是0，我将使用LGBRegressor来确定输入行的销售值。(SGDRegressor用于段1，它的性能更好)

我尝试将每个组合的MonthSeasonality索引和QuarterSeasinality索引作为变量添加到dataset中。但表现不太好。

我怎样才能得到更好的分数?我不是在问算法等等。我在这里的主要目的是了解数据集的构造、预处理。在应用ML算法之前，您对预处理技巧的宝贵想法。

谢谢

Answer 1

恐怕您的数据可能过于复杂和具体，以致于其他人无法确切了解所发生的事情。

我能提出的唯一想法是尝试手动分析您的模型所产生的错误：

• 有没有什么模式，比如一种经常发生的错误？例如，一个容易被高估的国家，一个容易被低估的月，这类事情。
• 如果是的话，试着调查原因:例如，是否有一些额外的特性可以帮助模型更好地预测这些情况？