基于指数平滑与 Holt 线性趋势法的电商分层销售预测稳健集成
应用统计
2020-06-08 v1 机器学习
摘要
我们重新审视经典统计技术在销售预测中的价值，如指数平滑及其扩展（如 Holt 线性趋势法）。我们考虑由这些经典技术的若干不同（组）参数调优实例给出的集成预测，并通过随时间形成集成预测元素的凸组合，以稳健且序贯的方式进行处理。其背后的机器学习理论称为“稳健在线集成”（robust online aggregation），或“专家建议预测”（prediction with expert advice），或“个体序列预测”（prediction of individual sequences）（见 Cesa-Bianchi 和 Lugosi，2006）。我们将该方法应用于电商公司 Cdiscount 提供的分层销售数据集，并在所售商品的子子类、子类和大类层面上输出预测，预测期界多样（最长提前 6 周）。所取得的性能优于在训练集上最优调优经典技术并在测试集上使用其预测的结果。从内在角度看性能也良好（以平均绝对百分比误差衡量）。在子子类、子类和大类层面获得这些更好的销售预测本身即有意义，我们还建议将其作为预测商品层面需求时的附加特征。
引用
@article{arxiv.2006.03373,
title = {Hierarchical robust aggregation of sales forecasts at aggregated levels in e-commerce, based on exponential smoothing and Holt's linear trend method},
author = {Malo Huard and Rémy Garnier and Gilles Stoltz},
journal= {arXiv preprint arXiv:2006.03373},
year = {2020}
}