基于FTRL和XGBoost组合算法的电商销量预测系统

• 作者: 钟小勇
• 来源期刊: 信息记录材料
• 学科: 经济
• 关键词: 电商 库存 销量 机器学习 XGBoost LSTM
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 综述与论著
• 页码范围: 1-3
• 页数: 3页
• 分类号: F273
• 字数: 2259字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟小勇		2	0	0.0	0.0