基于FTRL和XGBoost组合算法的电商销量预测系统

作者：钟小勇

来源：信息记录材料, 2020, 21(01): 1-3.

DOI：10.16009/j.cnki.cn13-1295/tq.2020.01.151

• 电商
• 库存
• 销量
• 机器学习
• XGBoost
• LSTM

随着近几年电商行业的大规模发展,越来越多的商品正通过各电商平台销售,成交量越来越巨大。在2019年"双十一"期间,仅天猫一家平台的成交额就达到2684亿元人民币。为了应对急剧增加的成交量,就需要制定合理的库存计划,最大限度避免库存积压、尾单、缺货等现象,减少企业的缺货成本和库存成本,从而提高企业利润。为了制定合理的库存计划,提前对销量做出准确的预测就显得尤为重要。本文提出了一套基于FTRL+XGBoost算法的电商销量预测系统,与LSTM算法进行了销量预测准确率和实时性的对比,结果验证了系统的有效性。