典型文献
Stacking集成学习在销售预测中的应用
文献摘要：
销售预测在公司的生产和管理中尤为重要,影响着公司的计划、生产、物流、销售等各方面.为突破单一模型在销售预测中的局限性,提出一种基于Stacking集成算法的销售预测组合模型.首先结合历史销售数据构造新特征,再利用相关性分析进行特征选择,提高模型性能和可解释性,最后以随机森林、BP神经网络、Prophet算法为基学习器,线性回归为元学习器构造模型.为验证模型,在Kaggle的销售预测公开数据集上进行实验.结果表明,Stack?ing模型的MAPE仅为2.16％,相较于单一模型,预测精度最多提升1.42％,最少提升0.48％,获得了更准确的预测效果.因此,该方法可以有效融合几种模型优势,作出更准确的销售预测,为企业决策提供有力支持.
文献关键词：
销售预测;时间序列;Stacking算法;特征选择
中图分类号：
作者姓名：
尤璞;刘星甫
作者机构：
江南大学商学院,江苏无锡214122
文献出处：
引用格式：
[1]尤璞;刘星甫-.Stacking集成学习在销售预测中的应用)[J].软件导刊,2022(04):103-108
A类：
B类：
Stacking,集成学习,销售预测,集成算法,组合模型,销售数据,新特征,特征选择,模型性能,可解释性,Prophet,基学习器,元学习,构造模型,验证模型,Kaggle,公开数据集,MAPE,少提,有效融合,企业决策
AB值：
0.355554
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
