零售分析中稀疏计数过程的贝叶斯层次建模
应用统计
2018-05-16 v1
摘要
零售分析领域已被可用于执行需求预测和库存管理等任务的丰富数据所改变。然而，一项更具挑战性的任务是对销量极少的产品进行需求预测。所得数据的稀疏性限制了传统分析技术的应用程度。为此，我们将销售数据表示为结构化稀疏多元点过程，其允许稀疏销售数据中已知存在的自相关、互相关和时间聚类等特征。我们引入了一种贝叶斯点过程模型来捕捉这些现象，该模型包含用于处理稀疏性的 hurdle 分量和处理产品内部及跨产品时间聚类的 exciting 分量。我们随后将该模型置于贝叶斯层次框架内，以允许不同产品间的信息借用，这是解决单产品数据稀疏性的关键。我们使用真实销售数据进行了详细分析，表明该模型在预测能力上优于现有方法，并讨论了推断的解释。
引用
@article{arxiv.1805.05657,
title = {Bayesian hierarchical modelling of sparse count processes in retail analytics},
author = {James Pitkin and Ioanna Manolopoulou and Gordon Ross},
journal= {arXiv preprint arXiv:1805.05657},
year = {2018}
}