Time Series Forecaster 技能：用时间回测预测每周订单

Claude Code 安装步骤

从 GitHub 固定提交获取完整的 `plugins/ai-ml/time-series-forecaster/skills/forecasting-time-series-data` 目录。
复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/forecasting-time-series-data/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/forecasting-time-series-data`。

让 Claude Code 整理按周数据，比较季节性基线与 ARIMA 类模型，用最近的历史时段回测后再输出未来预测。

创建两年合成周订单量，加入 52 周季节变化。将最后 8 周留作回测，比较上年同期基线和带季节项的模型。记录 MAE，再用所选模型给接下来 4 周出结果。

一张表显示两种方法的留出段 MAE，另一张表有未来 4 周日期、预测值及区间。结果可从合成 CSV 和配置复算。

GitHub 原文 · 更新日期 2026-11-13

准备连续 104 周的合成订单记录，每周一条且周起始规则一致。示例用 Python、pandas 和 statsmodels。

预测依赖过去推断未来，按时间留出才能避免未来记录进入训练过程。