基于弹性网格和MOPSO的销售价格预测决策融合新方法
机器学习
2024-04-01 v1 机器学习
神经与进化计算
摘要
价格预测算法根据市场趋势、预测需求以及其他特征, 包括政府规则、国际交易、投机和期望, 为每个产品或服务提出价格.作为因变量的价格受到多个独立且相关变量的影响, 这可能挑战价格预测.为克服这一挑战, 机器学习算法允许在不显式建模变量间关联性的情况下实现更准确的价格预测.然而, 随着输入的增加, 这对现有的机器学习方法在计算效率和预测效果方面提出了挑战.因此, 本研究引入一种新颖的决策水平融合方法, 用于选择价格预测中的信息变量.建议的元启发式算法平衡两个竞争目标函数, 这两个目标函数定义为提高预测所用变量和同时减少误差率.为了生成帕累托最优解, 采用弹性网格方法消除与价格预测无关和冗余的变量以提高准确度.随后, 我们提出一种新方法用于组合解决方案, 确保特征子集最优.对两种不同实用数据集进行评估.结果支持所建议模型在相对均方根误差和调整相关系数方面的优越性.
引用
@article{arxiv.2403.20033,
title = {A novel decision fusion approach for sale price prediction using Elastic Net and MOPSO},
author = {Amir Eshaghi Chaleshtori},
journal= {arXiv preprint arXiv:2403.20033},
year = {2024}
}