作者:许姗姗销售预测
摘要:准确的商品销售预测,能提升门店的备货效率,从而能降低商品损耗,减少库存占用,并更好的满足市场需求。由于现实生活环境的复杂性以及数据的稀缺性,使得精确的销售预测是一个十分困难的问题,在大部分时候销售预测停留在总量预测分析上,而对于单品的细粒度预测基本难以实现。考虑到环境变量的复杂性,以及时间序列的不稳定性,采用了机器学习的方法,通过深度神经网络、支持向量机、梯度提升术三种机器学习模型进行建模,实现对单品的细粒度预测分析。经过实验,DNN和XGB模型在预测单品销售量的问题中展现出比较好的性能,但是也存在一些不足。另外,SVM模型对解释变量量纲的敏感,需要在数据预处理中进行归一化。由于数据的缺失和数据不平衡问题,不仅需要加入更多维度的数据,而且要通过数据预处理中进行合理填充以提升模型的稳定性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社