모델 예측을 높이는 방법

1. 추가 데이터 통합

• 외부 데이터: 공휴일, 기후 조건, 경제 지표 등 외부 데이터를 모델에 포함시키면 예측의 정확도를 높일 수 있습니다. Prophet은 공휴일과 특별 이벤트를 모델에 포함시키는 기능을 제공합니다.
• 프로모션 데이터: 판매 촉진 행사 정보가 있다면, 이를 모델에 포함시켜 판매량 증가 예측을 개선할 수 있습니다.

2. 하이퍼파라미터 조정

• 계절성 조정: 주간, 연간 계절성의 파라미터를 조정하거나, 데이터에 맞는 새로운 계절성을 정의할 수 있습니다.
• 변경점(changepoint) 조정: Prophet 모델의 변경점 감도를 조정하여 모델이 추세의 변화를 더 잘 감지하도록 할 수 있습니다. changepoint_prior_scale의 값을 조정해 보세요.

3. 피쳐 엔지니어링

• 라그 변수: 과거 판매 데이터의 라그 값을 독립 변수로 추가하여 모델의 입력 특성으로 사용합니다. 이는 시계열의 자기 상관성을 모델링하는 데 도움이 됩니다.
• 이동 평균: 이동 평균을 특성으로 추가하여 데이터의 잡음을 줄이고 안정성을 높일 수 있습니다.

4. 앙상블 방법

• 모델 앙상블: Prophet 외에 ARIMA, LSTM 등 다른 시계열 모델을 함께 사용하고, 각 모델의 예측 결과를 합쳐 최종 예측을 도출하는 방법을 시도해 볼 수 있습니다.
• 스태킹(Stacking): 다양한 모델의 예측을 입력으로 사용하는 메타 모델을 구축하여 예측의 정확도를 높일 수 있습니다.

5. 크로스 밸리데이션

• 시계열 크로스 밸리데이션: Prophet의 시계열 크로스 밸리데이션 기능을 활용하여 모델의 예측 성능을 평가하고, 과적합을 방지합니다.