Сезонность учитывалась, раз вы только три месяца брали?

Да, сезонность — важный фактор в моделях машинного обучения, особенно при анализе временных рядов. Если данные собирались только три месяца, возможно, сезонные паттерны не полностью отражены.

Чтобы учесть сезонность, обычно требуется данные за полный цикл (например, год), чтобы модель могла выявить повторяющиеся закономерности. Если данных мало, можно использовать методы сглаживания или добавить внешние признаки, отражающие сезонные изменения (праздники, погода и т.п.).

Например, при прогнозировании продаж важно иметь данные за все сезоны, чтобы модель не переобучалась на краткосрочных трендах.