#forecasting #feature-engineering #deepar
Вопрос:
Я пытаюсь прогнозировать ежемесячные продажи с помощью DeepAR и трансформатора временного слияния от pytorch-forecasting. Данные, которые я использую, имеют ежемесячную сезонность, и сезонность одинакова или, по крайней мере, очень похожа для разных стран.
При создании набора данных TimeSeriesDataSet с помощью pytorch-прогнозирования я мог бы установить задержки параметров для целевой переменной. Об этом говорится в документации:
Лаги могут быть полезны для указания сезонности моделей
Я не уверен, что это лучший вариант, чем использовать месяц или, может быть, месяц и страну в сочетании в качестве категориальной функции для упрощения распознавания сезонности.
У кого-нибудь был собственный опыт работы с этой темой или объяснение, какой выбор был бы лучшим?
Заранее спасибо!