Amazon ML：Random Forest 能不能处理 Time Series？

题意与假设

这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。

• 预测y_(t+h)，仅使用预测时点可得变量；RF是普通树回归模型，不自动维护序列hidden state。
• 题目没有具体预测h/采样间隔/数据集，本文按单序列监督构造并讨论多实体变体。

解题路线

1. RF可以输入lag y_t/y_(t−1)、过去rolling统计、已知日历和外生变量做监督预测；它不原生表达顺序/动态记忆，但不等于不能处理任何时序。
2. 每一特征标明available time：预测t+h时rolling窗口只能截至t。先shift再rolling，避免把target或未来均值混进来；天气未来值若只离线观测而上线未知，也会泄漏。
3. 用rolling/expanding时间验证，训练早段预测后段，间隔按重叠窗口/label horizon/数据发布延迟设。随机split可能让邻近相似窗口跨集合，离线过于乐观。
4. 多步可direct每horizon模型或recursive把预测当后续lag；递归误差传播、训练时真实lag而推理用预测lag差异要测。不用未来真值填lag证明recursive很好。
5. 常规树叶输出训练标签均值，森林平均不能天然线性外推到训练label范围之外；趋势强时对残差/差分建模或其他外推结构可作为候选，验证还原与漂移。
6. 先做last value/seasonal naive基线，再比较树、统计模型或序列NN的任务表现与维护成本。seasonal周期、missing/不规则采样与entity分组也要入合同，不因“时序”就无条件选RNN。

手动走一遍

预测明天销量可用今天/昨天和过去7日均值；若预处理给特征“以明天为中心7天均值”，已含未来销售，RF score好仍无效。以最后200天为未来验证且仅用当时可得数据更接近上线。

规模与取舍

特征构造用rolling可O(T)，朴素每窗口O(Tw)；RF训练/推理随树数深度与特征量变化。递归预测H步还串行H次，direct预测训练多模型成本另计。

易错点与追问

容易失分的边界

• 把RF不原生序列当绝对不能。
• rolling包含未来。
• 随机split相邻窗口泄漏。
• recursive未来lag用真值。
• 树均值输出当趋势外推。

继续深挖

• 不规则采样怎样定义lag？
• 多店铺新店泛化怎样拆组与时间？
• rolling gap如何由horizon确定？
• 外生变量发布延迟怎么模拟？