零售商能卖多少？天猫平台上的销售预测
机器学习
2020-02-28 v1 应用统计
机器学习
摘要
时间序列预测在学术与工业界均为重要任务，可用于解决诸多实际预测问题，如库存、供水和销售预测。本文研究天猫——全球领先在线 B2C 平台——上零售商销售预测的案例。通过对数据的分析，我们得到两点主要发现：即对不同零售群体分组后的销售季节性，以及对销售（预测目标）进行变换后的 Tweedie 分布。基于上述发现，我们设计了两种销售预测机制：季节性提取与分布变换。首先，我们采用傅里叶分解自动提取不同类别零售商的季节性，其可进一步用作任意已有回归算法的附加特征。其次，我们提出在对数变换后优化销售的 Tweedie 损失。我们将这两种机制应用于经典回归模型，即神经网络与梯度提升决策树（Gradient Boosting Decision Tree），在天猫数据集上的实验结果表明两种机制均能显著提升预测结果。
引用
@article{arxiv.2002.11940,
title = {How Much Can A Retailer Sell? Sales Forecasting on Tmall},
author = {Chaochao Chen and Ziqi Liu and Jun Zhou and Xiaolong Li and Yuan Qi and Yujing Jiao and Xingyu Zhong},
journal= {arXiv preprint arXiv:2002.11940},
year = {2020}
}
备注
Accepted by PAKDD'19