我正在 Build 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数量 . 我正在使用Python，并且在我尝试的不同模型中，XGBoost表现最佳 .
我有一个自我参照系统，它以移动的窗口方式工作，例如，当我用完实际，我开始使用我的滞后预测数字 .
为了 Build 预测系统，我使用了前800天的滞后（一天断开连接），移动平均线，比率，季节性，年，月，日，周等指标 . 但是，假期，哪里有点搞砸了 . 最初我只使用一列来表示所有种类的假期，但后来我发现不同的假期可能会产生不同的影响（有些假期导致高销量，有些假期导致流失）所以我为每个假期添加了一列，我还添加了长周末，周日等假期的指标 . 我还增加了一个“季节”栏目，表示节日，如感恩节，新年假期等 .
即使在添加了这么多假日相关专栏之后，我也很想念感恩节和新年 . 虽然它确实在某种程度上照顾假期，但它完全错过了飙升 . 从图表中可以看出，峰值是一种趋势，每年都会出现（橙色） . 我的预测（灰色）确实解决了12月17日的假期，但它在预测之下，任何关于如何处理的想法 .
附：我使用gridsearch调整了xgboost超参数
1 回答
据我了解，如果您清理了数据，删除了异常值，您的模型将提供更稳定的预测集，但它将无法预测所述异常值 .
如果您确实清理了数据，我会使用阈值，查看更广泛的常规日错误是否能够预测更高的峰值 .