预测商品销量kaggle-predict-future-sales

数据集解析：

数据集展示如下：

要求是预测15年10月的选定商店中商品的销量；
1.注意预测的输入是(shop_id, item_id) , 我之前直接用item_id去预测， 走了弯路；
2.只预测一个月，实现相对简单；

参考的方法

1. LSTM
   参考：https://www.kaggle.com/code/karanjakhar/simple-and-easy-aprroach-using-lstm
   训练集：使用0-32个月的test中(shop_id, item_id) 对应的销量， 作为train_X
   使用第33个月的test中(shop_id, item_id) 对应的销量， 作为train_Y
   测试集：使用1-33个月的test中(shop_id, item_id) 对应的销量， 作为test_X
   预测第34个月的销量；

2. xgboost
   参考链接： https://www.kaggle.com/code/szhou42/predict-future-sales-top-11-solution
   实测效果最佳；
   

3. ARIMA
   参考：https://www.kaggle.com/code/mesofianeyou/time-series-analysis-sarima-model
   整体思路：
   统计所有商品总销量(13年-15年)，使用ARIMA模型来预测后续15年10月-16年3月的销量； 由于我们要求预测的是选定商店中商品的销量， 所以将15年10月商品总销量平均下来得到结果；
   评价：模型拟合总销量的效果很好， 但是预测选定商店中商品的销量使用了平均， 思路不够直接， 最终的效果也不太好；
   我在原来的代码上新增了cross_validation, 以及ACF， PACF的使用说明， 参考：（待上传）

4. Autogluon
   想尝试一下用这个神器的， 但得修改数据为long format;