我试图借助pytorch预测中的DeepAR和Temporal Fusion Transformer来预测月度销售额。我使用的数据具有月度季节性，不同国家的季节性相同或至少非常相似。
在使用pytorch预测生成TimeSeriesDataSet时，我可以为目标变量设置参数滞后。文件上说：
滞后可用于指示模型的季节性
我不确定这是否是比使用月份或月份和国家组合作为分类特征来简化季节性识别更好的选择。
有人对这个话题有自己的经验吗？或者解释什么选择是最好的？
提前感谢！
DeepAR算法自动为时间序列生成特征。点击此处阅读更多
https://docs.aws.amazon.com/sagemaker/latest/dg/deepar_how-it-works.html
- 您还可以为每个时间序列添加自己的自定义功能(分类和连续(。(例如公共假日等(
- 当你有多个时间序列，每个时间序列有300多个数据点时，它会很好地工作
- 所有时间序列都应该具有相同的频率
DeepAR和TFT的基准掌握在你手中，我想TFT会跑赢。