本論文では，時系列POSデータに対する予測モデルの精度向上手法として，LightGBMで学習したベースモデルに対し，カテゴリカルカラムごとにファインチューニングを行う方法を提案する。4種類の公開データセットを用いて，単一LightGBMモデルおよび時系列クロスバリデーションと比較した結果，提案手法は全てのデータセットにおいて平均絶対誤差（MAE）を改善した。また，目的変数と無関係なランダムカテゴリで同様の処理を行っても精度劣化は極めて小さく，手法の安定性が確認された。これらの結果から，カテゴリごとに挙動が異なるPOS時系列データに対し，提案手法が有効な精度向上アプローチであることを示した。