Я пытаюсь построить модель, которая прогнозирует объем доставки каждого месяца, недели и дня. Я обнаружил, что модель, основанная на дереве решений, работает лучше, чем линейная регрессия.
Но я прочитал несколько статей о машинном обучении, и там говорится, что модель, основанная на дереве решений, не может предсказать будущее, которое модель не изучала. (вопросы экстраполяции)
Так что я думаю, что это означает, что если данные распределены между датами, которые имеют данные обучения, модель может хорошо задаться, но если дата данных выходит за пределы диапазона, она не может .
Я хотел бы подтвердить, правильно ли я понимаю. некоторые публикации показывают прогноз для данных на основе даты и времени с использованием модели случайного леса, и это меня запутывает.
Также, пожалуйста, дайте мне знать, если есть какой-либо способ преодолеть проблемы экстраполяции в модели на основе дерева решений.