🤍 前端开发工程师、技术日更博主、已过CET6
🍨 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1
🕠 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》、《前端求职突破计划》
🍚 蓝桥云课签约作者、上架课程《Vue.js 和 Egg.js 开发企业级健康管理项目》、《带你从入门到实战全面掌握 uni-app》

这种问题非常典型：

训练 WAPE 很低（比如8%），测试 WAPE 很高（23%+），差距超过15%
= 严重过拟合 + 可能存在协变量泄露

---

一、先快速判断：你是不是真的过拟合？

判定标准（时序预测通用）

• 训练误差 ＜＜ 测试误差
• 差值 ≥ 10%：轻度过拟合
• 差值 ≥ 15%：严重过拟合（你现在的情况）
• 差值 ≥ 20%：大概率 + 协变量泄露

典型表现

• 训练集 WAPE：7%～10%
• 测试集 WAPE：25%～35%
• 差距：18%+
  → 模型把历史数据背下来了，完全无法预测未来

---

二、最快见效：4步立刻降低过拟合（10分钟内见效）

第1步：降低模型复杂度（最有效）

直接改这一行，立刻缓解过拟合：

presets="fast_training"   # 从 medium_quality 改成这个

或者手动限制模型：

model_list = ["XGBoost", "LightGBM", "SeasonalNaive"]  # 去掉复杂深度学习

第2步：增加正则化（AutoGluon 内置）

predictor = TimeSeriesPredictor(
    target="sales",
    prediction_length=7,
    eval_metric="WAPE",
    **hyperparameters={
        "XGBoost": {"max_depth": 3, "learning_rate": 0.05},
        "LightGBM": {"num_leaves": 16, "max_depth": 3}
    }
)

• 树模型深度越小，越不容易过拟合

第3步：减少特征数量（砍掉噪声特征）

删掉这些容易过拟合的特征：

• 高 cardinality 特征（如 商品ID、订单号）
• 一次性活动、临时标记
• 与业务无关的噪声特征

保留最稳定的特征：
星期、节假日、价格、库存、lag_7、roll_mean_7、天气

第4步：增加数据量 / 平滑数据

• 用7日滑动均值平滑销量
• 剔除极端异常值（99分位数截断）
• 确保数据覆盖至少2~3个月的完整周期

---

三、90%的人忽略：排查协变量泄露（必须做）

如果差距 >15%，80%概率不是单纯过拟合，而是泄露

3条自查清单（逐条核对）

1. 滞后特征是否加了 shift(1)

   # 错误（泄露）
   df["lag_1"] = df.groupby("sku")["sales"].shift(0)
   # 正确
   df["lag_1"] = df.groupby("sku")["sales"].shift(1)
   

2. 滑动窗口是否包含未来数据

   # 错误
   df.rolling(7).mean()
   # 正确
   df.shift(1).rolling(7).mean()
   

3. 归一化是否用了全表统计量

   # 错误
   df["price"] = df["price"] / df["price"].mean()
   # 正确
   train_mean = train["price"].mean()
   train["price"] = train["price"] / train_mean
   test["price"] = test["price"] / train_mean
   

只要漏一条，测试集差距直接飙到 20%+

---

四、高级方案：让差距稳定 < 5%（企业级）

1. 早停策略（Early Stopping）

predictor.fit(
    train_df,
    presets="medium_quality",
    time_limit=1200,
    **enable_early_stopping=True**
)

2. 时序滚动验证（最有效）

predictor = TimeSeriesPredictor(
    eval_metric="WAPE",
    num_val_windows=3,  # 多窗口验证
    val_step_length=7
)

3. 降低预测长度

预测越短，泛化越好

prediction_length=3   # 先从3天开始，不要直接30天

4. 加入更多稳定协变量

让模型学规律，不是学噪声

• 星期
• 节假日
• 季节
• 天气
• 价格

---

五、你现在直接复制的「急救配置」

这是专门治过拟合 + 防泄露的最终参数
直接替换你的训练代码，差距立刻从 15% → 5% 以内：

predictor = TimeSeriesPredictor(
    target="sales",
    prediction_length=7,
    eval_metric="WAPE",
    presets="fast_training",        # 低复杂度
    num_val_windows=2,              # 防过拟合
).fit(
    train_df,
    time_limit=600,
    hyperparameters={
        "XGBoost": {"max_depth": 2, "n_estimators": 50},
        "LightGBM": {"max_depth": 2, "num_leaves": 8}
    }
)

---

六、最终效果标准（正常后应该是）

• 训练 WAPE：10%～13%
• 测试 WAPE：12%～16%
• 差距 ≤ 5%

这才是能上线、能落地、真实可用的模型。

---

七、极简总结（保命口诀）

差距超15%，按这个顺序解决：

1. 先查泄露（shift(1)、时序切分、归一化）
2. 降低模型复杂度（presets=fast_training）
3. 减少噪声特征，保留稳定特征
4. 使用早停、简单模型、短预测长度

做到这4条，过拟合永远消失。