Прогнозирование временных рядов — Favorita Grocery Sales

1. Описание проекта

Цель проекта — прогнозирование ежедневных продаж (unit_sales) для пар (store_nbr, item_nbr) на основе исторических данных и внешних факторов.

2. Описание данных

Основной датасет содержит:

• date — дата
• store_nbr — идентификатор магазина
• item_nbr — идентификатор товара
• unit_sales — целевая переменная
• onpromotion — наличие акции

Дополнительные данные:

• items — характеристики товаров (категория, класс, перишабельность)
• stores — информация о магазинах (город, тип, кластер)
• transactions — количество транзакций
• oil — цена нефти (внешний фактор)

---

3. Структура репозитория

TimeSeries/
├── src/
│   │
│   ├── ml/               # LightGBM
│   │   ├── dataset_ml.py     # подготовка данных
│   │   ├── model_ml.py       # обучение
│   │   └── inference_ml.py   # предсказания
│   │
│   ├── dl/               # TFT
│   │   ├── dataset_dl.py     # подготовка данных
│   │   ├── model_dl.py       # обучение
│   │   └── inference_dl.py   # предсказания
│   │
│   ├── baseline.py       # базовые модели (Naive, ETS, Theta)
│   ├── features.py       # генерация признаков
│   ├── data.py           # загрузка и первичная обработка данных
│   ├── metrics.py        # метрика (NWRMSLE)
│   ├── config.py         # параметры и константы
│   └── __init__.py
│
├── README.md             # описание проекта
└── TS HW3.ipynb        # анализ и эксперименты
└── HW_summary.ipynb        # pdf с общей информацией и выводами