40个地点需求预测：全局模型还是局部模型？

问题背景：多地点需求预测的模型选择困境

一位印度理工学院的本科生在Reddit上提出了一个在多智能体供应链优化项目中遇到的实际问题：手头有约110万条合成零售数据，覆盖40个不同地点，目标是预测每个地点的产品级需求，供后续库存规划和供应链决策使用。核心困惑是：应该为每个地点单独训练模型，还是训练一个全局模型？

这个问题在零售和供应链领域非常典型。当数据按地理位置自然分组时，建模策略的选择直接影响预测精度和工程复杂度。下面结合原帖中的具体关切，拆解几种主流思路的适用条件。

全局模型 vs 局部模型：没有绝对答案

局部模型（每个地点一个模型） 的优势在于能完全捕捉该地点独有的需求模式，不受其他地点数据的干扰。但40个模型意味着40套训练流程、40次超参数调优，维护成本呈线性增长。更关键的是，每个地点分到的数据量只有全局的1/40，对于需求稀疏的产品或短历史窗口，局部模型容易欠拟合。

全局模型（所有地点联合训练） 通过共享参数从全部110万条记录中学习通用需求规律，数据利用率更高，尤其适合冷启动场景。原帖作者担心“全局模型会把区域模式平均掉”，这个顾虑是合理的——如果模型架构没有显式区分地点的机制，确实可能学到“平均需求”而非“地点特定需求”。

实践中，全局模型可以通过两种方式保留地点差异性：一是将地点ID作为类别特征输入，让模型学习地点偏移；二是引入地点级静态特征（如区域人口、门店面积等，如果数据中有的话）。梯度提升树（如LightGBM、XGBoost）对类别特征的原生支持较好，而神经网络类模型可以通过嵌入层（embedding）处理地点ID。

梯度提升树（Gradient Boosting Decision Tree, GBDT）是一类基于集成学习的监督模型，其核心思想是串行地训练多棵决策树，每一棵新树都旨在拟合前序模型预测的残差（即负梯度方向），最终将多棵树的输出加权求和得到预测结果。LightGBM 和 XGBoost 是两种主流的工程实现：XGBoost 采用按层生长的策略并对损失函数做二阶泰勒展开，精度高但内存占用较大；LightGBM 则引入直方图分箱、按叶生长（leaf-wise）和单边梯度采样等技术，在大规模表格数据上训练速度显著更快。这类模型对类别特征有原生支持——XGBoost 可通过 one-hot 或目标编码处理，LightGBM 可直接声明 categorical_feature 并采用类别分桶寻找最优切分，这使得将地点 ID、产品 ID 作为特征输入、让模型自动学习地点级偏移成为自然可行的方案，无需像神经网络那样专门设计嵌入层。

嵌入层（Embedding Layer）是神经网络中处理离散类别变量的一种常用技术。其本质是一张可学习的查找表：为每个类别（如每个地点 ID、每个产品 ID）分配一个固定维度的稠密向量，前向传播时按 ID 取出对应向量，与其他特征拼接后送入后续网络层。相比 one-hot 编码，嵌入层将高维稀疏表示压缩为低维稠密表示，参数共享使模型能在类别之间泛化——相似地点的嵌入向量会在训练中趋于接近，从而隐式地捕捉地点间的相似性。维度通常远小于类别总数（如 40 个地点可用 4~8 维），避免参数爆炸。对于需求预测任务，地点嵌入可以与时间特征、产品特征交互，帮助全局模型在共享参数的同时保留地点特异性。但需注意，嵌入层需要足够的数据才能学到有意义的表示，样本过少时容易过拟合，此时树模型的类别特征处理往往更稳健。

时间序列预测中的数据泄漏（Data Leakage）是指训练阶段模型接触到了在真实预测时点不可获得的信息，导致验证指标虚高、上线后性能骤降。随机切分（random split）是表格任务中的常见做法，但用于时间序列时会造成严重泄漏：模型在训练中可能看到未来的需求值，从而"记住"了未来趋势或季节性，评估结果无法反映真实泛化能力。正确做法是按时间顺序切分——用较早的时间窗口训练、较晚的窗口验证和测试，模拟真实部署时"用历史预测未来"的场景。若数据包含多个地点，还应确保切分后各地点的时间边界一致，避免某些地点的验证期混入其他地点的训练期。对于存在明显季节性的零售需求，验证窗口最好覆盖至少一个完整季节周期，否则误差估计会因季节相位不同而失真。

混合策略：分组建模与全局+局部调整

原帖提到的混合思路值得认真考虑。一种务实做法是按需求模式聚类地点：先用简单统计量（如需求均值、方差、季节性强度）对40个地点做聚类，将模式相近的地点归为一组，每组训练一个模型。这样既避免了40个独立模型的碎片化，又比单一全局模型保留了组间差异。

另一种混合方案是全局模型 + 地点级残差修正：先训练一个全局模型得到基准预测，再为每个地点拟合一个轻量级的修正模型（如线性回归或简单规则），只学习该地点相对全局基准的系统性偏差。这种方法在数据量有限时比完全独立建模更稳健，工程复杂度也远低于40个完整模型。

选择哪种策略，取决于地点间的需求模式差异有多大。如果40个地点的需求曲线形状相似、仅水平不同，全局模型加地点特征就足够；如果不同地点的季节性形态、促销响应方式差异显著，分组或局部分层更有必要。

合成数据的特殊陷阱：别让模型学到生成过程的伪影

原帖作者使用合成数据集，并明确问到了评估泛化性的注意事项。这是一个容易被忽视但很关键的问题。合成数据由特定生成过程产生，可能包含真实数据中不存在的规律——例如过于平滑的季节性、缺乏真实世界的促销冲击、或者产品间相关性被人为设定为固定值。

如果模型在这些伪影上过拟合，换到真实数据上性能会断崖式下降。评估时建议：

• 留出完整的时间窗口做验证，而非随机切分。时间序列预测必须用时间切分，随机切分会导致未来信息泄漏到训练集。
• 按地点分层评估，不要只看全局聚合误差。原帖作者强调“优先保证地点级精度”，因此应报告每个地点的误差分布，识别是否有某些地点被全局模型系统性忽略。
• 检查模型是否依赖了不应依赖的特征。如果合成数据生成时需求与某些辅助变量存在人为强相关，而真实场景中该关系不存在，模型会学到错误映射。可以做特征重要性审查，确认关键驱动因素符合业务常识。

模型架构与验证策略建议

对于这类表格型时间序列预测任务，梯度提升树（LightGBM/XGBoost）通常是首选基线：训练快、对特征工程友好、能直接处理地点ID和产品ID的类别编码。深度学习方面，可以尝试基于嵌入的MLP或Temporal Fusion Transformer类架构，但在数据量仅百万级、特征维度不高的情况下，树模型的性价比往往更高。

验证策略的核心是严格的时间切分 + 按地点评估。同时建议保留一个简单的基线（如每个地点每个产品的历史均值或季节性朴素预测），用来判断复杂模型是否真的带来了增量价值。如果复杂模型相对基线的提升在地点维度上不均衡，说明模型策略需要调整——可能某些地点确实需要局部化处理。

最后，多智能体项目中需求预测模块的评估标准应由下游任务定义：库存规划智能体关心的是预测误差如何转化为库存成本，而非纯粹的MSE。在条件允许时，用下游指标反向校准预测模型的选择，会比单纯追求统计误差更有实际意义。