用于费用预测的三重单纯形矩阵补全方法
机器学习
2023-10-25 v1 信息检索
摘要
预测项目费用是企业避免预算超支与项目失败的关键步骤。传统上，这由财务分析师或时间序列分析等数据科学技术完成。然而，这些方法存在不确定性，且所得结果可能与计划预算不符，尤其在项目初期数据点有限时。本文提出一种约束非负矩阵补全模型，通过在隐空间中学习项目与特定费用模式相关联的可能性来预测费用。该模型约束于三个概率单纯形，其中两个在因子矩阵上，第三个在缺失项上。此外，预测的费用值无需后处理即可保证满足预算约束。我们设计了一种不精确交替优化算法来求解相关优化问题，并证明其收敛至驻点。两个真实数据集的结果表明，与SOTA算法相比，所提方法具有有效性。
引用
@article{arxiv.2310.15275,
title = {Triple Simplex Matrix Completion for Expense Forecasting},
author = {Cheng Qian and Lucas Glass and Nikos Sidiropoulos},
journal= {arXiv preprint arXiv:2310.15275},
year = {2023}
}
备注
5 pages 2 figures