使用Kats做销量预测时，是否支持输入协变量（如广告支出）？

完全可以实现将未来广告支出作为协变量输入到Kats的预测模型中，以下是具体的操作步骤和代码示例：

1. 确认支持协变量的模型 #

Kats中多数主流预测模型都支持协变量输入，包括但不限于：

• Prophet
• ARIMA/SARIMA
• LSTM
• TBATS

注意：部分简单模型（如Naive、SNaive）不支持协变量，需避开这类模型。

2. 数据准备要求 #

需要两类数据：

• 历史数据：包含时间戳、目标变量（销量）、对应历史广告投入（协变量）
• 未来协变量数据：包含预测时间段的时间戳、已确定的未来广告支出数据

两类数据的时间列需为datetime类型，且未来数据的时间范围要和预测步数完全匹配。

3. 具体代码实现 #

以Prophet模型为例（最常用的支持协变量的模型之一）：

导入依赖 #

import pandas as pd
from kats.consts import TimeSeriesData
from kats.models.prophet import ProphetModel, ProphetParams

构造历史时间序列（含协变量） #

假设你已经有了包含历史销量和广告投入的DataFrame historical_df，转换为Kats的TimeSeriesData格式：

# 指定时间列、目标值列、协变量列
ts_data = TimeSeriesData(
    historical_df,
    time_col='time',
    value_col='sales',
    covariates_col=['ad_spend']
)

初始化并训练模型 #

# 设置Prophet模型参数（可根据业务调整）
prophet_params = ProphetParams(seasonality_mode='additive', yearly_seasonality=True)
model = ProphetModel(data=ts_data, params=prophet_params)
model.fit()

准备未来协变量数据并预测 #

假设你已经有了未来4周的广告支出数据future_ad_df，执行预测（这里预测28天，对应4周）：

# steps对应预测的时间步数，future_covariates传入未来协变量数据
forecast_result = model.predict(steps=28, future_covariates=future_ad_df)

forecast_result中会包含预测的销量值，以及对应的置信区间等信息。

4. 其他模型的协变量使用方式 #

对于ARIMA、LSTM等模型，协变量的传入逻辑类似：

• 历史数据需包含协变量列并传入TimeSeriesData
• 预测时通过future_covariates参数传入未来协变量数据

你可以参考对应模型的官方文档确认具体参数细节。

内容的提问来源于stack exchange，提问作者Funzo