我有一个数据集，如下所示：
数据描述：
源目标：商店名称。总共约1000个组合
日期：每日数据，每个Source-Dest组合都有22个月的数据
库存数量，销售订单：很少有数字列会影响目标变量-发货数量
调度数量：目标变量要提前14天进行预测-从9月1日到9月14日（在此示例中）
我已经尝试过：
-
转换日期后的
- RF和XGBoost等传统ML方法 列日期功能，例如年，月，年中的星期， 月份，周末标志等
- 时间序列-ARIMA和先知（FB 包）。但是这些是不可扩展的。因此，对于1000个组合 Source-Dest我必须使用1000种不同的模型 在业务场景中可行
我阅读了有关具有不同数值x变量以预测y（Ref link）的LSTM。但是，我的数据具有数字x变量（例如，数量）以及分类x变量（例如，〜1000个商店组合）。我该如何进行呢？如何为此准备数据集？我听说过编码器-解码器网络，但是不确定如何在这种类型的数据中实现。