Демонстрационный пример: вымышленные данные, не работа для реального клиента
Демонстрационный пример

Прогноз продаж по неделям

Недельный прогноз с учётом сезонности, акций и предновогоднего спроса; сравнение с простой базовой линией.

сезонностьRidgeградиентный бустингпроверка по времени
156 недель, seed=11, обучение 130 недель, проверка 26 недель.
6,1%ошибка WAPE лучшей модели
12,9%WAPE базовой линии
78 шт.средняя ошибка в неделю
26 нед.горизонт проверки

Задача

Спрогнозировать недельные продажи на полгода вперёд, чтобы планировать закупки и акции. Признаки: тренд, неделя года (два гармонических члена), предновогодний подъём и флаг акции. Проверка идёт по времени: обучаемся на первых 130 неделях, проверяем на последних 26, будущее в обучение не попадает.

Прогноз и проверка

5001 0001 500год 1год 2год 3конецнеделяпродажи, шт.проверкаФактПрогноз моделиБазовая: как год назад

Сравнение с базовой линией

051012,9%Как год назад6,1%Ridge9,0%Бустинг

Ошибка WAPE показывает, на сколько процентов в сумме прогноз отличается от факта. Прогноз полезен, только если он лучше простой базовой линии «как год назад». Здесь так и есть; на реальных данных результат нужно проверять отдельно.

  • Средняя абсолютная ошибка лучшей модели: 78 шт. в неделю
  • Лучшая модель: Ridge-регрессия

Что нужно от клиента для настоящего прогноза

Честное замечание: ряд сгенерирован по формуле с шумом, поэтому сезонность в нём чистая. В реальных данных бывают пропуски, разовые события и смена ассортимента; качество прогноза на них нужно измерять заново.