Prophet与深度学习对比ARIMA在批发食品价格预测中的表现
机器学习
2021-08-17 v3 应用统计
摘要
正确制定销售价格对企业至关重要，因此价格时间序列的研究与预测不仅从数据科学角度，而且从经济学和应用角度都是一个相关课题。在本文中，我们考察了由一家意大利食品批发商所采用的销售价格预测的不同技术，作为迈向通常由人力完成的定价任务自动化的一步。我们考虑ARIMA模型，并将其与Prophet(Facebook基于广义加性模型的可扩展预测工具)以及利用长短期记忆(LSTM)和卷积神经网络(CNN)的深度学习模型进行比较。ARIMA模型常用于计量经济分析，为所研究问题提供了良好的基准。我们的结果表明，在所考虑的预测任务中ARIMA模型与LSTM神经网络表现相似，而CNN与LSTM的组合取得了最佳总体精度，但需要更多时间进行调参。相反，Prophet快速且易用，但精度明显较低。
引用
@article{arxiv.2107.12770,
title = {Comparing Prophet and Deep Learning to ARIMA in Forecasting Wholesale Food Prices},
author = {Lorenzo Menculini and Andrea Marini and Massimiliano Proietti and Alberto Garinei and Alessio Bozza and Cecilia Moretti and Marcello Marconi},
journal= {arXiv preprint arXiv:2107.12770},
year = {2021}
}
备注
17 pages, 9 figures, 10 tables. v3: improved structure and content, added figures and references