基于时间序列和XGBoost的精准需求预测

• 作者: 李利媛 马晓倩
• 来源期刊: 理财周刊
• 关键词: ARIMA XGBoost 参数调优 精准需求预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 专业研讨
• 页码范围: 224-225
• 页数: 2页
• 语种: 中文
• DOI: 10.12269/j.issn.1009-9832.2021.02.195

摘要

以企业新零售商品的销售数据为例,首先对数据预处理并进行特征构建,在考虑销售量预测的基础上,通过特征工程对数据进行特征提取,最终建立库存数量、标签价、折扣、时间特征四个特征的特征子集;然后建立ARIMA模型进行目标产品月需求量的预测,取得较好结果;其次使用性能较优的XGBoost算法的进行目标产品单款单色产品周需求量的预测,并对参数调优过程进行详细的描述,最终建立的XGBoost模型具有较好的精度和泛化能力,为新零售企业产品的规划提供了相应的决策依据.