使预测具备自学习与自适应能力——试点预测算法架
机器学习
2023-06-14 v1 人工智能
计算金融
摘要
零售销售与价格预测通常基于时间序列预测。对于某些产品类别，所实现的需求预测准确率较低，对库存、运输和补货规划产生负面影响。本文基于一项主动试点实践呈现我们的发现，以探索帮助零售商提升此类产品类别预测准确率的方法。我们基于样本产品类别针织服装评估了通过算法干预提升预测准确率的机会。针织服装产品类别当前来自非 AI 模型的需求预测准确率在 60% 左右。我们探索了如何使用算法架方法提升预测准确率。为生成预测，我们的决策模型基于给定状态和上下文下的性能从算法架中动态选择最佳算法。我们使用先进特征工程构建的 AI/ML 预测模型结果显示，针织服装产品类别的需求预测准确率提升了 20%，总体准确率达到 80%。由于我们的算法架包含适配一系列客户数据集的算法，该预测模型可轻松针对特定客户情境定制。
引用
@article{arxiv.2306.07305,
title = {Making forecasting self-learning and adaptive -- Pilot forecasting rack},
author = {Shaun D'Souza and Dheeraj Shah and Amareshwar Allati and Parikshit Soni},
journal= {arXiv preprint arXiv:2306.07305},
year = {2023}
}