最近参加了kaggle的walmart weekly sales 预测比赛，已经过期但还能提交获得评分。

 

提供的数据特征不复杂，就是商店信息、节假日信息、当地每周的气温、油价、CPI啥的。目标是预测每个商店下每个部门的周销售额。

 

关于提高预测精度要一步步来，每个部门的销售数据都是有周期性的。最简单的方式就是用去年的同期数据进行预测。效果实际很不错，直接就排进top 20%。

 

第二个想到的方法，把周日期（week）离散化为年份（year）、当年第几周（week_of_year）2个特征，然后加上当地的温度、油价，建一个回归树模型。用GBDT跑出来得分有所提高，但还不显著。

 

后来看了第一名的方案。基本思路是应用R的forecast包，对每个商店每个部门的销售时序数据应用stl分解，获得周期性数据（seasonal）和趋势性数据（trend），对trend应用arima或ets进行预测，然后加上上一年度的seasonal数据，得到最终预测数据。使用该方案直接就能进入top 5%。but，还有提升空间。由于评分公式对holiday周的权重很大，而美国节日的定义方法并不一样，比如圣诞节是固定的1224，而感恩节是第11月的第四个星期四，所以需要对节日进行对齐。对齐后进入top 2%。最后，对每个部门，建立日期（index）、商店（columns）这样一个矩阵，对该矩阵就行pca处理，减少不同商店带来的噪声信息。