预测模型入门：从数据走势到简单推演

很多人第一次听到“预测模型”，会联想到天气预报里那个百分比，或者购物网站猜你明天想买什么。剥开外壳，它不过是一套从历史数据里找规律、再把规律套到新情况上的计算流程。比如一家便利店发现，过去两年里，气温每升高5℃，冰柜饮料销量大约增加18瓶。这个“气温—销量”的关系一旦被量化，就形成了一个最朴素的预测模型。它不神秘，前提是数据够干净、规律够稳定。

最基础的模型叫线性回归。假设你手头有某城市过去36个月的房租数据，以及对应的地铁站距离、面积、房龄。线性回归做的事，就是画一条直线，让所有实际租金点到这条线的误差平方和最小。如果面积每多10平米，月租金平均上涨450元，这条系数就会被写进模型。下次看到一套80平米、离地铁800米的房子，模型就能给出一个参考价。注意，它给的是“平均趋势”，不是精确答案。

第二类常见任务是分类。比如银行判断一笔交易是否异常，用的不是“多少钱”，而是“像不像”。逻辑回归会把历史交易的数据压缩成一个0到1之间的概率值。假设过去数据显示，凌晨3点、异地登录、金额为整数且超过5000元这三个条件同时出现时，异常概率从0.7%跳到23%。模型学到的就是这组特征的权重组合。这里的关键在于阈值设定：把线划在0.5还是0.8，误报和漏报的代价完全不同。

时间序列模型则更关注“走势”本身。移动平均、指数平滑、ARIMA，名字听着唬人，核心思想却简单：明天的情况，大概率与今天和昨天有关。某生鲜平台曾用简单指数平滑预测每日订单量，发现周末的订单普遍比工作日高22%左右，而节假日前的周四会出现一个明显的峰值。模型把这种周期性拆出来，再叠加一个增长趋势，误差就能控制在8%以内。当然，一旦遇到突发天气或促销活动，走势会瞬间失真，模型需要重新校准。

入门阶段最容易踩的坑是过拟合。有人拿过去5天的股票价格训练一个复杂模型，回测准确率高达99%，但换到第6天就完全失效。原因在于模型记住了噪声，而不是规律。判断方法很简单：把数据切成训练集和测试集，比如用前80%的数据拟合，后20%的数据验证。如果训练集误差是1%，测试集误差是35%，说明模型学得太“死”。另一个坑是把相关当因果。冰淇淋销量和溺水人数同步上升，不是因为冰淇淋导致溺水，而是因为夏天到了。预测模型只回答“什么和什么一起变”，不回答“为什么”。

做预测之前，先做观察。把数据按时间画成折线，看看有没有季节性、有没有断点、有没有异常值。某电商团队曾发现，某款商品的日销量在某个周二突然归零，排查后发现是后台库存接口故障，而不是需求消失。如果直接把这段数据喂给模型，预测结果会被严重拉偏。清洗、补缺、剔除异常，这些步骤往往占掉整个流程70%的时间，却比选模型更重要。

对于刚入门的人，建议从三个动作开始：第一，选一个你熟悉的小场景，比如预测自己下周的通勤时间，记录出发时间、天气、是否堵车；第二，用最简单的线性回归或移动平均跑一遍，看看误差有多大；第三，把预测值和实际值画在同一张图上，观察偏差出现在哪里。模型不是一次建成的，它更像一个需要不断修正的观察笔记。你不需要成为数学家，但需要保持对数据的诚实。