缺少节假日的Xgboost预测模型

Question

我正在构建一个预测系统，以预测在给定时间点断开连接的有线电视用户的数量。我使用的是Python，在我尝试过的不同模型中，XGBoost执行得最好。

我有一个以移动窗口方式工作的自我参照系统，例如，当我用完实际数据时，我开始在我的滞后中使用预测数字。

为了建立预测系统，我使用了之前800天的滞后(一天断开连接)、移动平均值、比率、季节性、年、月、日、周等指标。然而，假日是is有点混乱的地方。最初我只用一列来表示各种节假日，但后来我发现不同的节假日可能会有不同的影响(一些节假日会导致高销售额，一些节假日会造成流失)，所以我为每个节假日添加了一个列，我还添加了长周末、周日等节假日的指标。我还添加了一个“季节”列来表示节日期间，如感恩节、新年假期等。

即使在添加了这么多与假日相关的专栏之后，我仍然很怀念感恩节和新年期间。虽然它确实在一定程度上照顾到了假日，但它完全忽略了峰值。从图表中可以看出，尖峰是一种趋势，每年都会出现(橙色)。我的预测(灰色)确实提到了12月17日的假期，但它低于预测，任何关于如何处理这一问题的想法。

​

附注：我使用gridsearch调优了xgboost超参数。

Answer 1

据我所知，如果你清理了你的数据，去除了异常值，你的模型将给出一个更稳定的预测集，但它将无法预测所说的异常值。

如果你确实清理了数据，我会玩弄阈值，看看更广泛的常规日误差是否与预测更高峰值的能力相平衡。