我从 2018 年 1 月 1 日到 2021 年 10 月 21 日有一些每日销售额，我试图预测未来一年的销售额。我选择了facebook 先知。我的原始数据如下所示：
根据 DF 检验，该系列是平稳的。然而，根据文件，先知不需要平稳性才能有效。预测和拟合如下所示：
显然，先知不擅长捕捉数据的尖峰。看看一个范围内的平均绝对百分比误差，它看起来很可怕：
这些 MAPE 的平均值高达 53%，我希望在 5% 左右。有没有人知道我可以做些什么来改进这个模型？显然，如果我采用销售额的对数，则相对误差会减少，但如果我将其逆变换回原始值，它的预测仍然很差。
编辑：
这是插入假期的更新预测。似乎峰值被更好地捕获，但预测和实际之间存在数十万美元的差异。我得到 1 281 915 的 RMSE。
每年第三季度中途的某个时候，您会出现可疑的定期大规模峰值。你没有告诉我们你的数据来自哪里，但如果它们是美国的，这可能是黑色星期五效应。你有没有告诉你的模型这个非常具体的预测器？
一般来说，如何知道你的机器学习问题是无望的？可能会有所帮助。您将需要了解您的数据并包括您拥有的任何相关预测变量。希望 5% MAPE 可能根本不现实。
另外，请注意，您的模型将尝试从信号中分离噪声并仅预测信号，结果是您的预测变化小于观测值。这是最近的一个主题。
最后，您可能想看看平均绝对百分比误差（MAPE）的缺点是什么？我不知道 Prophet 优化了哪个目标函数，但我认为它不是 MAPE。因此，如果您的奖金取决于 MAPE 较低，您可以通过对 Prophet 预测进行后处理来接近。（我从未见过会从 MAPE 最优预测而不是 MSE 或分位数损失最优预测中受益更多的业务问题。正如您在该线程中看到的那样，最优预测可能在很大程度上取决于评估措施。 )