×

兹马思-数学第一资源

基于元学习的零售销售预测。(英语) Zbl 07354069
摘要:零售销售预测通常需要对许多商店的数千种产品进行预测。本文提出了一种基于最新发展的深度卷积神经网络的元学习框架,它可以先从原始的销售时间序列数据中自动学习一个特征表示,然后将所学习的特征与一组权重相结合,用于组合一组基本预测方法。基于IRI每周数据的实验表明,与许多最先进的基准相比,所提出的元学习器提供了更好的预测性能,尽管与一些更复杂的元集成基准相比,精度提高不大,并且学习的特征缺乏可解释性。在设计零售销售预测的元学习者时,我们建议建立一个基本预测者库,包括单个预测方法和集合预测方法,并以寻找最佳组合预测而不是最佳个体预测方法为目标。
理学硕士:
90Bxx型 运筹学与管理学
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 阿布托,L。;韦伯,R.,基于混合需求预测的改进供应链管理,应用软计算,7,1136-144(2007)
[2] 安斯库,T.L。;Aronson,J.E.,《扫描仪数据分析的神经网络和回归实证调查与比较》,零售与消费者服务杂志,6,4,205-217(1999)
[3] 艾伦,P.G。;《计量经济学预测》(Armstrong,J.S.,《预测原理》(2001),Kluwer:Kluwer Norwell,Ma),303-362
[4] 安德鲁斯,R.L。;库里姆,I.S。;利格,利格。;Lim,J.,估计商店销售的SCAN⁎PRO模型:HB、FM或仅OLS,国际市场营销研究杂志,25,1,22-33(2008)
[5] 新南威尔士州阿鲁纳杰。;Ahrens,D.,每日食品销售预测的混合季节自回归综合移动平均和分位数回归,国际生产经济学杂志,170321-335(2015)
[6] 巴罗,D.K。;Kourentzes,N.,预测组合的预测误差分布:对库存管理的影响,国际生产经济学杂志,177,24-33(2016)
[7] 本吉奥,Y。;库维尔,A。;Vincent,P.,表征学习:回顾与新视角,IEEE模式分析与机器智能汇刊,35,8,1798-1828(2013)
[8] 布拉特伯格,R.C。;George,E.I.,《价格收缩估计和促销弹性:看似无关的方程》,美国统计协会杂志,86414,304-315(1991)
[9] 博伊兰,J.E。;古德温,P。;Mohammapiur,M。;Syntetos,A.A.,预测研究中的再现性,《国际预测杂志》,31,1,79-90(2015)
[10] 布雷曼,L.,随机森林,机器学习,45,1,5-32(2001)·Zbl 1007.68152号
[11] 布朗内伯格,B.J。;克鲁格,M.W。;Mela,C.F.,数据库论文:IRI营销数据集,营销科学,27,4,745-748(2008)
[12] 瑟奎拉,V。;托戈,L。;平托,F。;Soares,C.,为时间序列预测、机器学习和数据库中的知识发现进行了集成仲裁。ECML PKDD 2017(2017),计算机科学课堂讲稿:计算机科学室课堂讲稿,论文发表于
[13] 陈,T。;Guestrin,C.,Xgboost:A scalable tree boosting system(2016),第22届ACM SIGGDD知识发现和数据挖掘国际会议论文集
[14] 达维登科,A。;Fildes,R.,《衡量预测准确性:对SKU水平需求预测的判断性调整案例》,《国际预测杂志》,29,3,510-522(2013)
[15] 德克尔,M。;范顿塞拉,K。;Ouwehand,P.,How to use aggregation and combined forecasting to improve seasonal Requirements Forecasures,International Journal of Production Economics,90,22151-167(2004年)
[16] Demšar,J.,多个数据集上分类器的统计比较,机器学习研究杂志,7,1-30(2006)·Zbl 1222.68184
[17] 费尔德斯,R。;文学硕士。;Kolassa,S.,《零售预测:研究与实践》,国际预测杂志(2020年),出版
[18] 费尔德斯,R。;Petropoulos,F.,多时间序列预测的简单与复杂选择规则,商业研究杂志,68,81692-1701(2015)
[19] 《贪婪函数逼近:梯度提升机》,《统计年鉴》,29,51189-1232(2001)·Zbl 1043.62034
[20] 弗里德曼,J.H。;黑斯蒂,T。;Tibshirani,R.,通过坐标下降实现广义线性模型的正则化路径,统计软件杂志,33,1,1-22(2010)
[21] 福米,A。;佩佩,A。;斯卡拉博蒂,L。;Schiraldi,M.M.,时尚公司需求预测的傅立叶分析,国际工程商业管理杂志,5,1-10(2013)
[22] 居尔阿里。;赛因,S。;范韦恩塞尔,T。;Fransoo,J.,促销情况下的SKU需求预测,专家系统与应用,36,10,12340-12348(2009)
[23] 居尔阿里。;Yaman,K.,用大型零售数据集训练支持向量回归模型的行和列,欧洲运筹学杂志,2263471-480(2013)·Zbl 1292.62096
[24] 他,K。;张,X。;任,S。;Sun,J.,《深入研究整流器:在ImageNet分类上超越人类水平的性能》(2015),发表于2015年IEEE国际计算机视觉会议(ICCV)上的论文
[25] 胡,J。;沈,L。;阿尔巴尼,S。;孙,G。;Wu,E.,挤压与激励网络,IEEE模式分析与机器智能汇刊(2019),1-1
[26] 黄,T。;费尔德斯,R。;Soopramanien,D.,竞争信息在快速消费品零售销售预测中的价值和变量选择问题,欧洲运筹学杂志,237,2738-748(2014)
[27] Hyndman,R.,Kang,Y.,Montero Manso,P.,Talagala,T.,Wang,E.,Yang,Y。Moorman,J.R.(2019年)。Tsfeatures:时间序列特征提取。R包R包v.1.0.1。
[28] Hyndman,R.和Khandakar,Y.(2008年)。自动时间序列预测:R.2008的预测包,27(3),22。doi:10.18637/jss.v027.i03
[29] 库克,M。;克罗恩,S.F。;在2016年CNN《应用于不同行业的经验数据集和神经网络》联合评估会议上发表的《2016年神经网络应用于不同行业的经验特征集》论文
[30] 卡拉奥格鲁,O.I。;阿奎兹,E.S。;埃克米斯,S。;Eryuruk,S.H。;苏门,H。;Kalaoglu,F.,服装业零售需求预测,Tekstil Ve Konfeksiyon,25,2174-180(2015年)
[31] 北卡罗来纳州卡尔什布伦纳。;埃斯皮霍尔特,L。;西蒙尼安,K。;奥德,A.v.d。;格雷夫斯,A。;Kavukcuoglu,K.,《线性时间中的神经机器翻译》,arXiv:1610.10099(2016)
[32] 卡鲁斯,A。;Theoharis,T.,NOEMON:分类器选择智能助手的设计、实现和性能结果,智能数据分析,3,5,319-337(1999)·Zbl 1059.68611号
[33] Kim,Y.(2014年)。用于句子分类的卷积神经网络。arXiv:1408.5882。
[34] 金马,D.P。;Ba,J.,Adam:随机优化方法(2015),第三届学习表征国际会议论文
[35] 科宁,A.J。;弗朗西斯,P.H。;希本,M。;Stekler,H.O.,M3竞赛:结果的统计检验,国际预测杂志,21,3,397-409(2005)
[36] Kourentzes,N.(2019年)。时间序列探索、建模与预测。R包v。0.9.1条。
[37] 朗,S。;施泰纳,W.J。;韦伯,A。;Wechselberger,P.,《为预测品牌销售额和利润而调整价格效应的异质性和非线性》,《欧洲运营研究杂志》,246,1232-241(2015)·Zbl 1346.62163
[38] 莱昆,Y。;Bengio,Y.,图像、语音和时间序列的卷积网络,《大脑理论和神经网络手册》(1995年),麻省理工学院出版社:麻省理工学院出版社。
[39] 莱昆,Y。;卡武库格鲁,K。;Farabet,C.,卷积网络与视觉应用(2010),在2010年IEEE国际电路与系统研讨会论文集上发表
[40] 李,H。;格罗斯,R。;兰加纳思,R。;Ng,A.Y.,用于分层表示的可伸缩无监督学习的卷积深信念网络(2009),在加拿大魁北克省蒙特利尔举行的第26届机器学习国际年会论文集上发表
[41] 莱姆克,C。;Gabrys,B.,时间序列预测和预测组合的元学习,神经计算,73,10,2006-2016(2010)
[42] 利维,M。;格雷沃,D。;科帕勒,P。;Hess,J.,《零售定价实践的新兴趋势:对研究的启示》,零售杂志,80,3,xiii-xxxi(2004)
[43] 吕春杰,基于变量选择方案和支持向量回归的计算机产品销售预测,神经计算,128491-499(2014)
[44] 硕士,S.H。;Fildes,R.,《预测第三方移动支付对客户流量预测的影响》,《国际预测杂志》,36739-760(2020年)
[45] 硕士,S.H。;费尔德斯,R。;Huang,T.,高维数据的需求预测:基于类别内和类别间促销信息的SKU零售销售预测案例,欧洲运筹学杂志,249,1245-257(2016)·Zbl 1346.62165
[46] 马克里达基斯,S。;Petropoulos,F.,M4竞赛:结论,国际预测杂志(2019年)
[47] 马克里达基斯,S。;Petropoulos,F.,M4竞赛:结论,国际预测杂志,36,1224-227(2020)
[48] 马克里达基斯,S。;脊髓炎。;阿西马科普洛斯,V.,M4竞赛:100000时间序列和61种预测方法,国际预测杂志,36,1,54-74(2020)
[49] 迈耶,D。;迪米特里阿杜。;霍尼克,K。;温格塞尔,A。;莱希,F。;昌,C.-C。;Lin,C.-C.,e1071:统计部的其他职能,R包v,1(2019),7-2
[50] 蒙特罗曼索,P。;阿萨那索普洛斯,G。;亨德曼,R.J。;2018年,基于TALFOT模型的预测(2018年,基于TALFOT模型)
[51] Mouselimis,L.和Gosso,A.(2018年)。elmnrrcpp:极限学习机器算法。R包v1.0.1。
[52] 奥德,A.v.d。;迪尔曼,S。;禅,H。;西蒙尼安,K。;葡萄酒,哦。;格雷夫斯,A。;Kavukcuoglu,K.,WaveNet:原始音频的生成模型,arXiv:1609.03499(2016)
[53] 皮洛,G.D。;拉托尔,V。;卢西迪,S。;Procacci,E.,支持向量机在促销下的销售预测中的应用,比利时法意运筹学学会季刊,14,3,309-325(2016)·Zbl 1349.62575
[54] 普鲁登西奥,R.B.C。;Ludermir,T.B.,选择时间序列模型的元学习方法,神经计算,61,121-137(2004)
[55] 拉莫斯,P。;Fildes,R.,描述零售需求与促销效应(2017),在澳大利亚凯恩斯预测国际研讨会上发表的论文
[56] 拉莫斯,P。;北卡罗来纳州桑托斯。;Rebelo,R.,消费者零售销售预测的状态空间和ARIMA模型绩效,机器人和计算机集成制造,34151-163(2015)
[57] 萨利纳斯,D。;弗伦克特,V。;加斯豪斯,J。;Januschowski,T.,DeepAR:自回归递归网络的概率预测,国际预测杂志(2019年)
[58] 桑托斯,c。N、 D。;Zadrozny,B.,词性标注的字符级表示(2014),第31届国际机器学习会议论文集,第32卷,中国北京
[59] Smyl,S.,时间序列预测的指数平滑和递归神经网络混合方法,国际预测杂志,36,1,75-85(2020)
[60] 斯里瓦斯塔瓦,N。;辛顿,G。;克里兹夫斯基,A。;萨茨克弗,I。;Salakhutdinov,R.,《辍学:防止神经网络过度拟合的简单方法》,机器学习研究杂志,15,6,1929-1958(2014)·Zbl 1318.68153
[61] 塔拉加拉,T。;亨德曼,R。;Athanasopoulos,G.,元学习如何预测时间序列(2018),检索自
[62] Vapnik,V.N.,统计学习理论概述,IEEE神经网络汇刊,10,5988-999(1999)
[63] 瓦斯瓦尼,A。;沙泽尔,N。;北卡罗来纳州帕尔马。;乌兹科雷特,J。;琼斯,L。;Gomez,A.N.,注意力是你需要的一切(2017),发表在NIPS'17:第31届神经信息处理系统国际会议记录上的论文,长滩,美国
[64] 王,X。;史密斯迈尔斯,K。;Hyndman,R.,《预测方法选择的规则归纳:单变量时间序列特征的元学习》,神经计算,72,10,2581-2594(2009)
〔65〕 维多多,A。;Budi,I.,使用时间序列特征降维的模型选择(2013),在韩国首尔国际预测研讨会上发表的论文
[66] 沃尔珀特,D.H。;麦克雷迪,W.G.,最优化的无免费午餐定理,IEEE进化计算汇刊,1,1,67-82(1997)
[67] 黄文康。;Guo,Z.X.,基于极限学习机和和谐搜索算法的时尚零售供应链中期销售预测的混合智能模型,国际生产经济学杂志,128,2614-624(2010)
[68] 赖特,M.N。;Ziegler,A.,ranger:用C++和R快速实现高维数据的随机森林,统计软件杂志,77,1,17(2017)
〔69〕 夏,男。;张,Y。;翁,L。;Ye,X.,基于输入自适应指标的极端学习机器的时尚零售预测,基于知识的系统,36253-259(2012)
[70] Yu,Y。;崔,T.-M。;Hui,C.-L.,时尚产品智能快速销售预测模型,专家系统与应用,38,67373-7379(2011)
[71] Zȩbik,M。;科里特科夫斯基,M。;安格里克,R。;Scherer,R.,用于时间序列分类的卷积神经网络(2017),在国际人工智能和软计算会议上发表的论文
[72] 郑,Y。;刘,Q。;陈,E。;通用电气公司。;Zhao,2014年《使用多个神经网络进行分类》,Zhao L.发表于《使用多个神经网络进行分类》的论文
[73] 齐格勒,A。;König,I.R.,使用随机森林挖掘数据:现实世界应用的当前选择,威利跨学科评论:数据挖掘和知识发现,4,1,55-63(2014)
[74] 佐特里,G。;Kalchschmidt,M.,预测过程中选择适当聚集水平的模型,国际生产经济学杂志,108,1-2,74-83(2007)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。