数据准备

在此阶段，目标是准备用于训练和执行阶段的数据集。具体而言，数据准备是收集、清理、转换和组织数据以使其可用的过程。 此过程涉及多个步骤，包括从各种来源收集原始数据、清理不一致之处、将其转换为适合分析的格式，最后将其组织到结构化系统中。

此外，如果存在一些缺失值且计算了季节性，模型会通过用变量的平均季节性替换它们来处理该问题。 否则，如果未发现季节性，模型会自动用线性插值填充缺失值。

重复值使用求和所有值的聚合方法进行处理。

每个时间序列（外生和内生）都经过标准化处理。

训练阶段的数据准备同样适用于执行阶段，即使在执行阶段会再次使用训练数据以获得更可行的数据准备。