基于循环神经网络与 Transformer 的销售额预测方法
机器学习
2022-04-19 v1 人工智能
应用统计
摘要
准确且快速的需求预测是供应链领域的热点问题，可支撑相应下游流程（入站与出站规划、库存布放、网络规划等）的精准执行。我们利用深度学习技术与作为 Kaggle 竞赛一部分发布的 Corporación Favorita 数据集，开发了三种方案来解决日/门店/商品级别的客户销售额预测问题。我们的实证结果表明，采用简单的序列到序列架构并以极小数据预处理代价即可取得良好性能。此外，我们描述了一种训练技巧，使模型更具时间无关性，从而提升随时间变化的泛化能力。所提方案取得了约 0.54 的 RMSLE，与 Kaggle 竞赛中针对该问题提出的其他更专门的方案具有竞争力。
引用
@article{arxiv.2204.07786,
title = {Approaching sales forecasting using recurrent neural networks and transformers},
author = {Iván Vallés-Pérez and Emilio Soria-Olivas and Marcelino Martínez-Sober and Antonio J. Serrano-López and Juan Gómez-Sanchís and Fernando Mateo},
journal= {arXiv preprint arXiv:2204.07786},
year = {2022}
}
备注
Accepted for publication in Expert Systems and Applications