我有 1325 天的收入数据，在绘制组件时，从领域专家的角度来看，它是 100% 有意义的，因此该模型很好地捕捉到了变化（或者看起来确实如此......）。我添加了国家假期使用m.add_country_holidays(country_name='GB')
但是，在准确性方面，我得到以下平均值：
MAPE: 0.3
MAE: 721,415
721,415 不是可接受的错误。大约100K。
这些是 MAE 和 MAPE 图：
时间序列图：
性能指标（前 20 个）：
我还能做些什么来提高这个模型的准确性？谢谢
这里的数据有点嘈杂，波动很大。正如一些评论所建议的那样，对其进行一些转换。我想说让你的数据在一些较小的范围内，然后应用 LSTM 来预测它。我使用 LSTM 进行时间序列工作，通过消除异常值来消除噪声，并且它可以很好地进行进一步的预测。
RNN 倾向于更好地处理时间序列数据，尤其是双向 LSTM，因为它们具有向后学习的能力。
对于嘈杂的数据，我不推荐使用 DNN！实际上，它可能是处理噪声数据的最差算法。这是一个解决方案：
尝试平滑您的数据。有很多算法，例如Kernel ridge。
再现平滑数据。
学习平滑数据并预测平滑曲线，该曲线指示未来值将出现的最可能区间。