本文目录
先做基线,再谈智能:需求预测的模型选型边界
全文共 4487 字,阅读约需 9 分钟
汇总禾味与匿名服装的模拟预测证据,说明任务和指标如何改变排名,再给SARIMA、Croston类与树模型划清输入、验证和业务使用边界。

匿名服装案例已经有三个“第一名”:按每天的平均绝对误差看,是季节性朴素;对大偏差更敏感的RMSE看,变成了指数平滑;若一次决定未来五天的总量,MA14又排在前面。
这不是谁算错了。三张成绩单问的是不同问题。如果此时直接问“下一步是不是该上树模型”,我们甚至还没决定要改善哪一张成绩单。
D9到D13已经走过基线、移动平均、简单指数平滑、误差指标和滚动回测。D14把它们收拢成一条选型顺序:先确定预测服务什么决定,核对数据与信息边界,再看简单方法留下什么缺口。 本篇不新增复杂模型实现,也不宣布某种模型普遍适合餐饮或服装。
一 先把两个问题写完整
本文案例、日期、数量和可能使用的演示单号均为教学模拟,不对应真实品牌、项目、经营记录或收益。 禾味是虚构的两店、八食材SKU连锁,主实验仍只计算A店SKU01,单位公斤/日;其余15条店×SKU序列未生成、未评估。匿名服装生产协同案例预测的是终端订单需求,单位件/日,不是工厂排产量。
第一周的14天样本用于认识业务字段和指标。预测阶段的180天需求是D9另行生成的合成序列,不是把14天库存台账拼长,也不是后来补采的真实历史。
同一预测对象可以服务两种决定:
- 禾味每天复核次日用量,需要一步预测,并关注星期差异。若讨论未来五天总用量,还必须保留每天分布,否则总量相同也可能先缺货、后报损。
- 服装协同若讨论未来五天的订单压力,需要在同一个起点发出的五步预测。之后再根据物料、产能、交期与已接订单制定计划,不能把预测件数直接当成生产指令。
主实验假定需求完全可见,没有缺货、休店或缺测,当日记录在日终全部到达。现实若有取消订单、延迟入账或缺货截断,先重新定义目标与记录可用时间。换一个模型名称,不能补齐这些定义。
二 这次能复核什么,不能证明什么
180天沿用112/28/40的时间分块:第1—112天是初始历史,第113—140天是验证,第141—180天是原测试。本次实践包只读取前140天开发CSV,字节与D13一致,不包含最后40天标签,也没有重新评分入口。
验证段已经反复查看,原测试汇总也已在D9公开。本篇是教学开发回放,不是新盲测。 不因结果不好更换生成种子、活动位置或候选参数,也不把旧测试再拿来选型。D9的历史测试记录可在原文及其实践包追溯;这里不把那份基线测试当成七个候选的共同测试,更不补出并不存在的复杂模型成绩。
复核范围保持不变:
- 七个候选:季节性朴素SNaive7,MA3、MA7、MA14,以及SES α=0.2、0.5、0.8。MA表示最近k天均值;SES表示简单指数平滑,用第一个观测初始化。
- 一步:起点112—139,目标113—140,共28天。得到新观测后可以更新历史,参数不变。
- 固定五日:起点112—135,共24个窗口,目标从113—117到136—140。每次五个预测一起发出,中途不改;137—141跨块,不进入验证。
- 五日累计:先合计同一起点的五个实际值和五个预测,再计算误差。不能把五次逐日修订的一步预测拼成一份“提前五天”的成绩。
24个窗口彼此重叠,不是24次独立实验;服装第118—120天的同一场模拟活动会进入多个窗口。本文不据此算显著性,也不把相邻窗口当成多场活动证明。
这套时序约束对应FPP3第5章的准确性评价与滚动起点评价。它能防止把起点之后的信息带回预测,却不能消除反复查看验证集造成的选择偏差。哈希和冻结文件也只能证明文件版本,不能证明作者从未看过结果。
三 读成绩单之前,先读列名
误差沿用“实际−预测”:正值表示低估。ME保留方向;MAE把每次误差取绝对值再平均;RMSE先平方、平均,再开方,对少数大偏差更敏感。平均偏差接近零可能只是高估与低估互相抵消。
下面不是另一次调参,而是把D13已有候选在相同日期上的结果重新核对。只展示决定选型讨论的列,完整28行ME、MAE、RMSE和WAPE在实践包中。一步指标单位为公斤/日或件/日,五日累计指标单位为公斤或件,不能把两个任务的数字直接比大小。
禾味:先保留能表达星期差异的基线
| 方法 | 一步MAE(公斤/日) | 五日累计MAE(公斤) |
|---|---|---|
| SNaive7 | 1.7857 | 3.2917 |
| MA3 | 6.7143 | 24.7083 |
| MA7 | 5.3214 | 9.3750 |
| MA14 | 5.3852 | 9.1518 |
| SES0.2 | 5.5652 | 13.9983 |
| SES0.5 | 5.3391 | 23.2535 |
| SES0.8 | 4.8633 | 31.4695 |
在这段模拟数据里,SNaive7的两类MAE各自最低。生成器本来就给禾味设置了稳定星期效应,所以这个结果是对机制的演示,不是对整个餐饮行业的抽样结论。
MA和SES在同一固定起点内给未来五天相同的水平,无法表达周六与周一的差异。可以据此提出“是否需要保留星期结构”的假设,但尚不能推出“SARIMA一定更好”。本篇没有拟合SARIMA。
匿名服装:三种评价,三个不同答案
手机端可在表格内左右滑动。
| 方法 | 一步MAE(件/日) | 一步RMSE(件/日) | 五日累计MAE(件) |
|---|---|---|---|
| SNaive7 | 21.1071 | 42.2717 | 115.8750 |
| MA3 | 35.5238 | 47.8544 | 169.2361 |
| MA7 | 30.1531 | 41.4708 | 120.1964 |
| MA14 | 30.2143 | 41.0821 | 109.4524 |
| SES0.2 | 30.8933 | 41.0226 | 119.3056 |
| SES0.5 | 28.4215 | 40.4326 | 155.9761 |
| SES0.8 | 24.0696 | 37.9167 | 191.1509 |
一步MAE最低是SNaive7,21.1071;同一组28天若按RMSE看,最低是SES0.8,37.9167。不是两者各自找了一段有利日期,而是对误差的计价方式变了。
固定五日累计MAE最低则是MA14,109.4524件,SNaive7为115.8750件。两者相差6.4226件,是这24个重叠窗口里平均绝对误差的差值,不是少缺6.4226件、少生产6.4226件或节约某个金额。
选型前应先写下主任务和主指标,保留其他指标作诊断。不能看完表格后,一会儿用MAE、一会儿用RMSE,直到想要的模型成为第一。这里展示排名变化,是承认不同评价会改变答案,不是重新宣布一个“全能赢家”。
四 一页选型卡:先问缺什么,再问换什么
下列三类都是后续候选路线,不是本月必须完成的模型实现,也没有进入上面的成绩表。共同门槛是:同一目标、同一信息截止点、同一预测长度、同一评价规则,并保留简单基线。
SARIMA:当历史的相邻关系与季节关系值得继续建模
SARIMA在ARIMA的基础上加入季节部分,用有序历史中的依赖关系描述变化;理解它要先过平稳性、差分和自相关这几道概念关。这里不展开新公式。原理入口见FPP3第9章,特别是9.9季节ARIMA。
放回禾味案例,下一步的问题可以是:扣掉简单星期规律后,误差是否仍呈可重复结构?数据是否覆盖足够多的相关周期,规律是否在时间上稳定?“有112天”不是自动合格线,周期长度、模型复杂度、缺测与结构变化都会影响可用证据。
如果突然开新店、改营业时段或遭遇新活动,仅靠重复历史关系未必能适应。也要防止术语混淆:ARIMA中的MA是误差项的移动平均结构,不是本文MA7那种把最近七天需求求均值。本篇尚未完成残差诊断、阶数选择或滚动比较,所以只记录候选理由,不写性能判断。
Croston类:先确认零确实是没有需求
间歇需求是许多时段为零,偶尔出现非零需求。经典Croston分别平滑非零需求量与发生间隔,再形成平均需求率;它不是精确预报“下一笔一定在哪天到来”的日历。经典方法存在偏差,变体也需要单独比较,见FPP3第13章13.2。
对匿名服装的慢动销物料,或禾味某个低频食材,这可能是值得研究的方向。但本篇没有生成和评估这些额外序列,不能把业务背景当成已完成实验。
更不能把缺货后的零销量当作真实零需求。D13的独立反例中,禾味模拟真实需求35公斤、可售上限0公斤,销量也为0;休店与缺测则另存状态。Croston类不会自动恢复这些看不见的需求。先查开业、可售与观测记录,再讨论间隔;本篇不把缺货反例混入无缺货主实验。
树模型:有特征不等于预测时有特征
树模型可以结合历史滞后值、星期与活动等特征。关键不是表格里有没有这一列,而是预测起点能否取得它。scikit-learn官方时序特征示例也展示了随机打乱划分可能给出过于乐观的结果。
在服装协同中,活动计划若已在起点前确认,可以作为候选信息;活动结束后的真实成交、最终取消量、后来修订的活动标签则不能回填成当时已知。未来天气实测与起点时可得的天气预报也不是同一个特征版本。
固定五日预测还有一处易漏边界:预测第t+5天时,直接填写第t+4天的真实需求作为“昨日销量”仍是偷看未来。必须预先决定逐步递推还是按步长分别建模,并让特征计算服从同一起点的信息截止。本篇没有实现这些策略。
若将两店八SKU一起训练,还要核对单位、实体分组、特征聚合与时间切分。训练折里的填补和编码只能用该折当时可得的数据;不能随机拆行后,让另一门店未来日期的统计值或目标编码进入过去。若目标是预测从未见过的新店,还需另设实体留出评价,不能用老店成绩替代。
五 从“误差更小”到“可以用于决策”,还缺一段证据
对于禾味,预测五日总用量后,仍要知道现有可用库存、到货时间、最小起订量与保质期。对于匿名服装,订单需求之后还隔着取消规则、物料清单、在制品、产能和交期。这些条件决定高估与低估各自造成什么后果。
因此,MAE下降不能直接换算成库存下降、缺货率下降或成本节约。若业务关心缺货与报损的不对称代价,应提前写清损失与约束,再评价计划策略;不是事后挑一个漂亮的预测指标替代业务验证。本次没有成本模型、库存策略仿真、置信区间或真实线上试验,这些均为待验证项。
后续若要正式比较新路线,可以按下面的顺序登记:
- 写下对象、单位、起点、预测长度与主指标,明确哪些标签可观测,哪些受缺货截断。
- 在开发数据内确定特征、候选范围、调参规则及更新方式,保存每个起点的版本与输入可用时间。
- 冻结后用另外取得、此前未用于设计或选参的后续时序数据评价。原来已曝光的40天不能恢复成新的盲测。
- 完整报告预定区间的逐日误差,并单列完整落在区间内的五日窗口;允许吸收已发生历史,不允许看完测试结果回头改候选再称独立检验。
- 若需要改规则,记录原因与版本,把这次结果降为开发证据,下一轮再准备独立评价。另行验证库存、交期与成本后,才能讨论业务使用。
合成数据可以检查计算、暴露错误和教学演示。即便新生成另一批模拟数据,也只能检验约定生成机制下的表现,不会自动变成真实经营效果。
六 读者怎样复算这份选型证据
下载D14模型选型实践包,使用Python 3.10或以上。在解压目录执行:
python -m unittest -v
python run.py计算和测试只依赖标准库。包内保留两份开发CSV、固定候选、逐起点预测、窗口合计、完整指标与选型边界卡;输入版本有SHA-256,输出不写运行时钟。它复算既有规则,不搜索新参数,不实现SARIMA、Croston类或树模型,也不重新读取原测试标签。
防泄漏测试主动扰动起点后的数据,要求已发出的预测不变;新观测进入历史之后,允许下一起点的状态更新。独立算术核对和跨块窗口检查用于发现实现错误,不把“测试通过”写成“模型对业务有效”。实践包的README列出字段、输入契约和复核方法,数值按浮点计算,正文只显示四位小数。
另附文章Markdown与配图、黑白配图及重绘脚本。计算实验不需要绘图库;配图的单独依赖与字体路径见重绘说明。
D14的结论不是一张模型排行榜。禾味暂时留下能解释星期结构的基线,服装暂时留下按决策长度分开的成绩单;三条复杂模型路线都先写明需要补齐的证据。能够说清“这个结果回答了什么、还有什么没有验证”,才有资格把下一步模型比较做得更复杂。

