fix: MMM 时间 holdout + 标准化 Ridge/Lasso + Hill 饱和预算优化

[MeaFew]

改动

核心问题:MMM 的 R² 是 in-sample 重代入、三模型对比是假的、+1.8% 预算提升是线性外推虚高。

HIGH

• H1 无 holdout:MMM 是日时间序列,旧代码在全量数据拟合后报 R²(纯 in-sample)。加按日期留出尾部 20% 的 holdout,同时报 in-sample 与 holdout R²/MAE。
• H2 Ridge/Lasso 与 OLS 几乎相同:根因是未标准化特征 + alpha=1.0/0.1 小惩罚 → 系数几乎不动。改为 StandardScaler + TimeSeriesSplit 在 log 网格上选 alpha,三模型显著有别。
• H6 线性预算优化:目标函数是线性的 → 最优解退化为平凡贪心重分配,外推到训练范围外得 +1.8% 虚高。改为 Hill 饱和响应函数,当前运营点几乎无重分配空间(≈0%),是诚实的结论。

其他

• run_cross_brand_elasticity 同步用 chronological split。
• 新增 TestChronologicalSplit、Ridge 收缩回归测试。

结果

• MMM in-sample R² 0.569 → 0.542,holdout R² 0.440(此前无此数);Ridge 选 alpha=1000,系数与 OLS 显著不同。
• 预算优化 +1.8% → ≈0%(饱和模型诚实结论)。
• pytest 37/37 全绿,ruff 全绿。

Checklist

• 代码改动有回归测试守护
• README 数字来自重跑后的 data/processed/models/*.json
• pytest + ruff 全绿