使用机器学习预测零售产品的未来销量
机器学习
2020-08-19 v1 机器学习
摘要
基于当前与历史数据进行未来预测的技术，一直是具有直接应用于各类现实问题的领域。本文讨论一个类似问题。问题陈述由Kaggle提供，该问题也是Kaggle平台上的一个进行中竞赛。在本项目中，我们使用了一个具有挑战性的时间序列数据集，包含每日销售数据，由俄罗斯最大的软件公司之一——1C Company友好提供。目标是在给定历史数据的情况下，预测下个月每个产品与门店的总销量。为进行下个月的预测，我们部署了eXtreme Gradient Boosting（XGBoost）与基于Long Short Term Memory（LSTM）的网络架构来执行学习任务。使用实际与目标预测值之间的均方根误差（RMSE）来评估性能，并对所部署算法进行比较。研究发现，在该数据集上XGBoost表现优于LSTM，这可归因于其相对更高的稀疏性。
引用
@article{arxiv.2008.07779,
title = {Predicting Future Sales of Retail Products using Machine Learning},
author = {Devendra Swami and Alay Dilipbhai Shah and Subhrajeet K B Ray},
journal= {arXiv preprint arXiv:2008.07779},
year = {2020}
}
备注
6 pages, 4 images