营销与经济学中的稀疏正则化
机器学习
2018-02-06 v2
摘要
稀疏α范数正则化在营销与经济学中有许多数据丰富的应用。与lasso和ridge正则化不同，α范数会跃迁至稀疏解。该特性对于需求估计与预测中出现的超高维问题颇具吸引力。α范数目标非凸，需要坐标下降和近端算子来寻找稀疏解。我们研究了一个典型的营销需求预测问题——咸味零食的杂货店销售，其以许多虚拟变量作为控制变量。需求的关键预测因子包括价格、等效体积、促销、风味、气味和品牌效应。通过与许多常用机器学习方法比较，α范数正则化实现了为促销提升效应提供准确样本外估计的目标。最后，我们给出了未来研究方向。
引用
@article{arxiv.1709.00379,
title = {Sparse Regularization in Marketing and Economics},
author = {Guanhao Feng and Nicholas Polson and Yuexi Wang and Jianeng Xu},
journal= {arXiv preprint arXiv:1709.00379},
year = {2018}
}