1. 說明

 前一段參加了天池的“鹽城汽車上牌量預測“比賽。第一次面對大規模的時序問題，從比賽的過程，到賽後各位大佬的演算法分享，收穫很多。也將解決該類問題的套路在此總結一下。
 本篇是總述，其中提到的具體演算法，如：加窗，ARIMA，傅立葉/小波變換，LSTM等等將在本系列的後續文章中一一詳述。

2. 問題描述

 上牌量預測是一個典型的時序問題，且資料簡單清晰，以複賽Ａ榜資料為例，它提供了前3年的10種品牌汽車每天的上牌量，預測未來半年中每天的各品牌的上牌量。
 提供的資訊只有之前的上牌量，日期資料和星期幾，是一個單變數的預測問題（暫不計各品牌間的相互影響），比較困難的是：它不是預測一天，而是預測幾百天，有些時序模型無法使用。

3. 步驟

 對比一下自己和大家的解決方案，基本都可以拆解成以下步驟

(1) 還原日期

 比賽資料對日期進行了脫敏處理，沒給具體年月日，但提供了周幾的資訊，其中有些節假日上牌量為0的也沒有給出對應記錄。第一步大家都補全了日期，加入了真實日期，和節假日資訊。
 這裡介紹兩個相關陰曆的時間轉換庫：
chinese_calendar，Lunar-Solar-Calendar-Converter

(2) 從日期中提取資訊

 這是各顯神通的環節，大家根據自各經驗，提取了各種各樣的特徵，總結如下：
 假期長度、調休日期、與節假日的時間距離；
 某年中的第幾個月，某年有的第幾周，某月中的第幾周，某月中的第幾日，某年中的第幾日（陰曆/陽曆分別取），正數/倒數第幾個工作日。

(3) 提取週期資訊

 對於週期提取，基本有兩種做法，一種是手工計算出同比，環比，往期資料，直接加入Feature，然後用GBDT生成決策。另一種是用ARIMA預測出大致的週期趨勢，然後用GBDT描述其餘細節。

i. 手工加入週期數據

 有一些方案完全沒使用趨勢和週期演算法，排名也挺靠前的，其原因是，他們直接把週期和統計資料做成了特徵，比如：用shift()把前N天的上牌量做為當天的特徵，用rolling()將前Ｎ天均值作為當天特徵，將陰曆/陽曆的去年同期（月、周）資料作為當期特徵，環比的最大值，最小值，分位數等等。這種方法的好處是模型可以同時處理維度的各種特徵，美中不足是可能損失一些對趨勢的預測。

ii. 演算法預測週期和趨勢資料

 此類方案以ARIMA代表，ARIMA，小波變換，線性擬合，它們是解決時序問題的傳統方法。再與GBDT演算法相結合，處理一些不能被週期性識別的細節。這種方法的優點是兼顧整體和細節，問題時在預測長週期時，後期有嚴重的衰減。

(4) 梯度下降決策樹

 幾乎所有的人都使用了梯度下降決策樹（GBDT）類演算法和交叉驗證（CV），值得注意的是，有一些特徵需要處理成“類別”而非“資料”，比如“月份”，“周幾”，“品牌”等等，否則很影響效果。

4. 原理

 對於時序問題，一般可以拆解為：趨勢+週期+突發事件。

(1) 趨勢

 一般需要先擬合趨勢，比如使用：滑動平均模型，指數平均模型，線性迴歸等等。其中需要注意的是拐點的識別（不限於此題），比如一些股票緩漲急跌，即它在上升和下降的趨勢中規律完全不同，則需要分段處理。另外我理解，趨勢有含有兩部分，一部分和均值相關，一部分和方差相關。均值描述位置的高低，方差描述波動的大小。

(2) 週期

 這裡指的週期是大週期，中週期，小週期，相互交錯，包含的情況。比如年內變化，周內變化都呈明顯週期性。一般可使用：季節模型，小波/傅立葉變換，差分週期等等。我覺得ARIMA也可算做一種週期性工具，它的主旨也是用過去的Ｎ項預測未來。
 週期與趨勢的組合，又有交乘和疊加等不同方式。

(3) 突發事件

 現在一般都用機器學習的工具處理突發事件和結果的關係，比如隨機森林，梯度下降決策樹，還可能用到關聯規則等等。

(4) 擴充套件

 不只是時序問題，其它的機器學習問題也是一樣，比如說大分類包含小分類這種情況，也類似於週期。都需要去考慮統計特徵。