問41

【事例1】小売チェーンB社は、全国150店舗の日次・SKU別販売データを過去3年分保有しており、店舗ごとの需要予測システムを機械学習で構築したいと考えている。データサイエンティストの鈴木氏はランダムフォレスト回帰モデルを構築し、テスト期間の予測精度（MAPE）は8%と良好だった。しかし実店舗展開後、夏季にアイスクリーム類の在庫不足が頻発し、予測MAPEは25%まで悪化した。調査の結果、モデルの特徴量には曜日・祝日・過去の販売実績しか含まれておらず、季節性（月・気温・季節イベント）が明示的に扱われていないことが分かった。季節性が強い商品群で予測精度を改善するためのアプローチとして最も適切なものはどれか。