Что хотят услышать интервьюеры:

Праздники и редкие события — это внешние факторы, которые могут резко менять поведение ряда и без учета которых прогноз часто систематически ошибается. Важно уметь отличать повторяющиеся календарные эффекты от действительно редких всплесков. Обычно ожидают, что будет сказано про отдельные признаки, ограниченность данных и осторожную валидацию.

Определение:

В прогнозировании временных рядов праздники и редкие события учитывают как дополнительные факторы, потому что они могут вызывать аномальные отклонения от обычного паттерна. Праздники чаще всего дают повторяющийся эффект по календарю: спрос может падать, расти заранее или смещаться после даты праздника. Редкие события сложнее, потому что их мало в истории, и модель плохо учится на таких примерах.

Пример использования:

Например, для прогноза продаж магазина нужно учесть Новый год, Черную пятницу и локальные выходные. Тогда модель сможет отличать обычный недельный цикл от ожидаемого всплеска спроса.

import pandas as pd

# Пример временного ряда продаж
df = pd.DataFrame({
    "date": pd.date_range("2024-11-20", periods=10, freq="D"),
    "sales": [100, 98, 102, 105, 130, 180, 210, 160, 120, 110]
})

# Признак праздника/акции
df["is_event"] = df["date"].isin(pd.to_datetime(["2024-11-24", "2024-11-25"])).astype(int)

print(df)

Пояснение кода:

Код не требует сложной логики прогноза, он показывает сам принцип добавления календарного признака. Сначала есть таблица с датой и продажами. Затем создается бинарный столбец is_event, который равен 1 в дни события и 0 в остальные дни. В реальной модели такой признак подается вместе с лагами, трендом и сезонностью, чтобы модель могла выучить влияние события на целевую переменную.

Ключевые моменты:

Праздники обычно моделируются как известные заранее календарные признаки.
Для них полезны флаги, окна до/после события и отдельные признаки по типу праздника.
Редкие события трудно предсказывать из-за малого числа примеров и сильной дисбалансности.
Для редких событий часто нужны внешние данные, доменная экспертиза и аккуратная обработка выбросов.
Валидацию важно делать по времени, чтобы не утечь в будущее и честно проверить эффект событий.
Если событие не повторяется, модель может не научиться ему напрямую; тогда помогают правила, похожие исторические кейсы или отдельные сценарные модели.

Какие особенности прогноза с праздниками и редкими событиями?