使用Darts进行含缺失数据的时间序列建模：销量预测问题求助

针对你遇到的周末销量缺失、填充0效果差的问题，以下是几个优先级从高到低的处理方案：

1. 显式添加工作日标记协变量，保留缺失值并让模型学习规则 #

这是最推荐的方案，核心是让模型明确区分工作日和周末，而非盲目填充缺失值：

• 先构建包含所有日期（含周末）的完整时间索引，将原始工作日数据合并到这个索引上，让周末的销量自然为NaN；
• 添加一个布尔型协变量is_working_day，工作日设为1，周末设为0；
• 广告支出的缺失可根据实际情况填充（比如周末无广告则填0，有历史数据则用前向填充）；
• 模型会通过is_working_day学习到“非工作日销量为0”的规则，同时结合广告支出预测工作日销量。

代码示例：

import pandas as pd
from darts import TimeSeries

# 读取原始数据
df = pd.read_csv('sales_data.csv', parse_dates=['date'])
# 生成包含所有日期的完整序列
full_date_range = pd.date_range(start=df['date'].min(), end=df['date'].max(), freq='D')
full_df = pd.DataFrame({'date': full_date_range})
# 合并原始数据，周末的销量、广告支出自动设为NaN
full_df = full_df.merge(df, on='date', how='left')
# 添加工作日标记协变量
full_df['is_working_day'] = full_df['date'].dt.weekday < 5  # 周一至周五为1，周末为0
# 填充广告支出缺失值（示例：周末无广告则填0）
full_df['ad_spend'] = full_df['ad_spend'].fillna(0)
# 创建Darts序列，销量保留NaN
sales_series = TimeSeries.from_dataframe(full_df, 'date', 'sales', fillna_value=None)
covs_series = TimeSeries.from_dataframe(full_df, 'date', ['ad_spend', 'is_working_day'])

2. 自定义掩码损失函数，忽略缺失值的损失计算 #

如果不想修改数据结构，可以通过自定义损失函数，只对工作日的有效销量计算损失，避免NaN干扰：

• 构建一个掩码，标记哪些时间步是有真实销量的工作日；
• 在损失函数中仅计算掩码覆盖区域的误差，模型会自动学习周末销量应为0的模式。

代码示例：

import torch
from darts.models import TFTModel

def masked_mae(y_true, y_pred):
    # 生成掩码：仅保留y_true不为NaN的时间步
    mask = ~torch.isnan(y_true)
    # 计算掩码区域内的MAE
    return torch.mean(torch.abs(y_true[mask] - y_pred[mask]))

# 初始化TFT模型时指定自定义损失
model = TFTModel(
    input_chunk_length=14,
    output_chunk_length=7,
    loss_fn=masked_mae,
    # 其他模型参数（如hidden_size、attention_head_size等）按需设置
)

3. 调整数据频率为工作日模式 #

如果你的预测目标仅针对工作日，不需要输出周末的销量预测，可以直接将数据频率调整为工作日（B频率），彻底规避周末的缺失值问题：

• 将原始数据的索引转换为工作日频率，自动过滤周末日期；
• 确保协变量（广告支出）也同步调整为工作日频率，保持时间对齐。

代码示例：

df = pd.read_csv('sales_data.csv', parse_dates=['date'])
# 设置索引并转换为工作日频率
df = df.set_index('date').asfreq('B')
# 创建Darts序列
sales_series = TimeSeries.from_dataframe(df, value_cols='sales')
covs_series = TimeSeries.from_dataframe(df, value_cols='ad_spend')

4. 合理插值填充（不推荐0填充） #

如果必须填充周末销量，不要用0，而是选择更贴合业务逻辑的插值方式（比如线性插值、前向填充），但这种方法会引入人工假数据，仅作为备选：

# 线性插值填充销量缺失值
full_df['sales'] = full_df['sales'].interpolate(method='linear')
# 或者前向填充+反向填充
full_df['sales'] = full_df['sales'].ffill().bfill()

内容的提问来源于stack exchange，提问作者Funzo