我的项目涉及尝试预测特定项目在全年的销售量。我已经使用LightGBM软件包进行了预测。我为此设置的参数如下：

params = {
'nthread': 10,'max_depth': 5,'task': 'train','boosting_type': 'gbdt','objective': 'regression_l1','metric': 'mape','num_leaves': 2,'learning_rate': 0.2180,'feature_fraction': 0.9,'bagging_fraction': 0.990,'bagging_freq': 1,'lambda_l1': 3.097758978478437,'lambda_l2': 2.9482537987198496,'verbose': 1,'min_child_weight': 0.001,'min_split_gain': 0.037310344962162616,'min_data_in_bin': 1,'min_data_in_leaf':2,'num_boost_round': 1,'max_bin': 7,'extra_trees': True,'early_stopping_rounds':-1
}

我的数据集包含2017年，2018年，2019年和2020年3个月的每日销售数据（列=日期，数量）。我一直在尝试将2017年和2018年数据用于培训和交叉验证，尝试对其进行2019年数据测试。但是，我对年度的预测远远超出了预期，而每周，每月，每季度或每年都考虑数量（误差约为40-50％）（我已经调整了参数以使误差降至该值）。此外，在考虑预测时，我的r2_score给我的负值为-2.9148426301633803左右。有什么建议可以使它变得更好？