多种算法融合的产品销售预测模型应用

• 作者: 张雷东 朱湘宁 李冬梅 焦艳菲 王嵩
• 来源期刊: 计算机系统应用
• 关键词: 销量预测 Stacking算法 集成学习 特征工程 梯度提升树
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 研究开发
• 页码范围: 244-248
• 页数: 5页
• 字数: 3013字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007550

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冬梅	中国科学院沈阳计算技术研究所	35	251	10.0	15.0
2	王嵩	中国科学院沈阳计算技术研究所	59	284	8.0	14.0
3	张雷东	中国科学院大学计算机控制与工程学院	1	0	0.0	0.0
7	朱湘宁	中国科学院沈阳计算技术研究所	1	0	0.0	0.0
8	焦艳菲		6	4	2.0	2.0