Stacking集成学习在销售预测中的应用

• 作者: 尤璞 刘星甫
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 销售预测 时间序列 Stacking算法 特征选择
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 103-108
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.11907/rjdk.212011

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.