多种算法融合的产品销售预测模型应用

作者：张雷东^*; 王嵩; 李冬梅; 朱湘宁; 焦艳菲

来源：计算机系统应用, 2020, 29(09): 244-248.

DOI：10.15888/j.cnki.csa.007550

• 销量预测
• Stacking算法
• 集成学习
• 特征工程
• 梯度提升树

销量预测一直是一个热点研究的课题,对于各个企业有着重要的意义.近年来,随着深度学习的崛起,用于销量预测的模型越来越多,而单一模型的预测性能往往不够理想,所以出现了越来越多的组合模型.本文利用Stacking策略将XGBoost、支持向量回归(Support Vector Regression, SVR)、GRU神经网络作为基础模型,然后将LightGBM作为最终的预测模型,并且融合了新的特征.集中了几种模型的优势,大大提高了模型的预测性能,更加接近真实的销量数据,为回归预测提供一种新的预测方法.

• 单位
  中国科学院大学; 中国科学院沈阳计算技术研究所; 沈阳高精数控智能技术股份有限公司