本文關(guān)鍵詞：基于組合模型的銷售預(yù)測(cè)應(yīng)用研究

  更多相關(guān)文章： 銷售預(yù)測(cè) 特征分析 隨機(jī)森林 GBRT

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展,傳統(tǒng)行業(yè)經(jīng)受著巨大的壓力和挑戰(zhàn),線下零售業(yè)受到電子商務(wù)不斷的沖擊,傳統(tǒng)的線下實(shí)體店消費(fèi)模式正逐漸被削弱,企業(yè)迫切需要一種有效的方式對(duì)未來(lái)的銷售趨勢(shì)進(jìn)行預(yù)測(cè),為決策提供可靠的支持。伴隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展,各種機(jī)器學(xué)習(xí)方法在銷售預(yù)測(cè)問(wèn)題上應(yīng)用已經(jīng)逐漸成熟。本文以德國(guó)第三大日用品連鎖店Rossmann的銷售預(yù)測(cè)作為研究方向,針對(duì)其問(wèn)題的多樣性與復(fù)雜性,本文從業(yè)務(wù)的角度對(duì)數(shù)據(jù)進(jìn)行了詳細(xì)的特征分析,發(fā)現(xiàn)該問(wèn)題中影響銷售的因素主要為非線性因素,并且存在著以下特點(diǎn)：數(shù)據(jù)在時(shí)間軸上的斷層多、周期變化的規(guī)律性不明顯、特征對(duì)銷售的影響顯著、特征類別差異大等等,根據(jù)分析的結(jié)果,本文以側(cè)重近期數(shù)據(jù)、強(qiáng)調(diào)時(shí)間指標(biāo)、注重歷史趨勢(shì)為核心進(jìn)行了特征選取,產(chǎn)生了高維度的訓(xùn)練集。為了獲得更好的預(yù)測(cè)結(jié)果,本文分別設(shè)計(jì)了基于隨機(jī)森林和基于GBRT的預(yù)測(cè)模型,通過(guò)數(shù)據(jù)預(yù)處理、特征提取獲得了高質(zhì)量的訓(xùn)練數(shù)據(jù),再通過(guò)實(shí)驗(yàn)過(guò)程中對(duì)參數(shù)的不斷調(diào)優(yōu),獲得了較低誤差的預(yù)測(cè)結(jié)果,驗(yàn)證了模型的有效性。最后針對(duì)GBRT訓(xùn)練速度慢但是預(yù)測(cè)精度高的情況,使用欠擬合的隨機(jī)森林對(duì)GBRT的殘差進(jìn)行初始化,實(shí)驗(yàn)證明了該融合方法可以有效的提高模型的訓(xùn)練速度,并且獲得比GBRT更好的性能。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F717.6;F274
，

本文編號(hào)：1183367