时间序列预测

2022年，我在某个城市做时间序列预测的项目，当时数据量挺大的，得有几百万条记录。那时候，我啊，也是一头雾水，看着那些密密麻麻的数字，我当时也懵，不知道从哪里下手。后来啊，我花了好几天时间，把数据清洗了，再然后，我尝试了好多模型，从简单的线性回归到复杂的深度学习，反正就是各种试，各种调参数。
我记得有一次，我调了一个参数，结果预测结果一下就变好了，当时我那个激动啊，心里想，这回算是有点眉目了。但是，我也偏激了点，觉得这个模型就无敌了。结果，我后来才反应过来，这只是一时的胜利，实际应用中，还有很多问题要解决，比如数据的实时更新、模型的解释性等等。
那个项目，我最后用了多少钱，我记不太清了，反正挺贵的。但是，通过这个项目，我学到了不少东西，也体会到了时间序列预测的复杂性。现在回想起来，那些日子，虽然累，但也挺有意思的。

预测未来5年房价，数据集涵盖2015-2020年，模型准确率85%。
这就是坑：预测房价过于复杂，依赖过多假设。
别信：过度依赖预测模型做决策。
别这么干：用预测结果指导决策前，多结合实际市场调研。

2023，某电商企业用深度学习模型预测销售量，准确率提升20%，但模型过拟合，这就是坑。