做滑动时序预测，计算追加特征均值的方法不理想，应该考虑越近发生的权重越大或有一个策略计算最近权重值，你有什么好的策略

对于滑动时序预测问题，您可以考虑使用指数加权移动平均（Exponential Weighted Moving Average，简称EWMA）的方法来计算特征的均值。具体来说，EWMA方法将更多的权重放在最近的数据上，而随着时间的推移，前期数据的权重逐渐减小，从而能够更好地反映近期的数据变化趋势。

EWMA方法的计算公式如下：

$S_t = \alpha Y_t + (1-\alpha)S_{t-1}$

其中，$S_t$表示时间t的特征均值，$Y_t$表示时间t的特征值，$\alpha$表示平滑系数，即最近特征的权重，取值范围为0到1之间。

您可以尝试不同的平滑系数来计算特征的均值，然后根据实际效果来选择最优的平滑系数。另外，如果您的数据具有周期性变化，可以考虑使用带有季节性因素的EWMA方法来进行预测。