挥舞奥卡姆剃刀：快速而节俭的零售预测
统计方法学
2023-10-23 v4 应用统计
统计计算
摘要
可用于零售预测的算法复杂性日益增加。较新的方法，如机器学习，本身具有复杂性。更传统的预测模型族，如指数平滑与自回归积分滑动平均，已扩展为包含多种可能形式与预测轮廓。我们质疑预测中的复杂性以及考虑如此庞大模型族的必要性。我们的论点是，简约地识别合适的模型子集不会降低预测精度，也不会削弱估计预测不确定性的能力。我们提出了一种平衡预测性能与计算成本的框架，从而仅需考虑缩减的模型集合。我们通过实证表明，缩减集合表现良好。最后，我们将计算收益转化为货币成本节约与环境影响，并在大型零售商背景下讨论我们结果的含义。
引用
@article{arxiv.2102.13209,
title = {Wielding Occam's razor: Fast and frugal retail forecasting},
author = {Fotios Petropoulos and Yael Grushka-Cockayne and Enno Siemsen and Evangelos Spiliotis},
journal= {arXiv preprint arXiv:2102.13209},
year = {2023}
}