Прогнозирование объемов продаж групп товаров (отчет)
Материал из MachineLearning.
(Новая: '''Введение в проект''' == Описание проекта == === Цель проекта === Цель проекта — прогнозирование еженеде...) |
(→Постановка задачи) |
||
| Строка 29: | Строка 29: | ||
== Постановка задачи == | == Постановка задачи == | ||
| + | Заданы временные ряды продаж товаров <tex>x_{ij}(t) \in R</tex> — продажи <tex>i</tex>-ого товара в | ||
| + | <tex>j</tex>-ом магазине за день <tex>t</tex> (<tex>i \in I</tex>, <tex>I</tex> — множество товаров; | ||
| + | <tex>j \in J</tex>, <tex>J</tex> — множество магазинов; <tex>t \in N</tex> — натуральное число), | ||
| + | причем значения продаж известны при | ||
| + | <tex>t_0 \leq t \leq t_1</tex>. Также задан товарный классификатор, исходя из которого товары | ||
| + | разбиваются на группы, образующие иерархическую стуктуру (например, какой-то товар может | ||
| + | входить в группу «ЖК-телевизоры 15"», которая входит в | ||
| + | «ЖК-телевизоры 10" - 17"» и далее в «ЖК-телевизоры», «Телевизоры» и «Бытовую технику»). | ||
| + | Требуется для всех товаров и всех магазинов спрогнозировать продажи за неделю, следующую | ||
| + | после <tex>t_1</tex>, то есть значение величины | ||
| + | |||
| + | <center> | ||
| + | <tex>y_{ij} = \sum_{t=t_1+1}^{t_1+7}x_{ij}(t).</tex> | ||
| + | </center> | ||
| + | |||
| + | Для оценки качества прогнозов будем использовать скользящий контроль, | ||
| + | помещая в обучающую выборку значения <tex>x_{ij}(t)</tex> при <tex>t \in [t_0, t_{max}]</tex>, | ||
| + | <tex>t_{max} < t_1</tex>. Как функционал качества будем использовать | ||
| + | |||
| + | <center> | ||
| + | <tex>Q_{m}(Y, \hat{Y}) = \sum_{i, j}|y_{ij}-\hat{y}_{ij}|</tex> | ||
| + | </center> | ||
| + | |||
| + | или | ||
| + | |||
| + | <center> | ||
| + | <tex>Q_{s}(Y, \hat{Y}) = \sum_{i, j}(y_{ij}-\hat{y}_{ij})^2.</tex> | ||
| + | </center> | ||
== Описание алгоритмов == | == Описание алгоритмов == | ||
Версия 15:49, 6 февраля 2010
Введение в проект
Описание проекта
Цель проекта
Цель проекта — прогнозирование еженедельных покупок товаров. Горизонт прогнозирования — одна неделя.
Обоснование проекта
Полученные результаты могут быть использованы для планирования закупок товаров магазинами.
Описание данных
Дан региональный классификатор магазинов, товарный классификатор, ряды продаж по SKU (stock keeping unit), информация о дефиците товара, список праздничных дней, разметка промо-акций для каждого товара и розничные цены на товары.
Критерии качества
Используется скользящий контроль; критерием качества служит средний модуль отклонения прогноза от реальной величины покупок.
Требования к проекту
Средний модуль отклонения для нашего алгоритма должен быль меньше, чем для скользящего среднего за предыдущий месяц.
Выполнимость проекта
Прогнозирование покупок товаров в празничные дни и во время промо-акций является отдельной задачей и в данном проекте не рассматривается.
Используемые методы
Предполагается, что товары могут быть агрегированы в группы, исходя из их цены и «близости» по товарному классификатору. Затем может быть осуществлен прогноз для получившихся групп товаров и «разбрасывание» результатов прогнозирования по отдельным товарам из групп.
Постановка задачи
Заданы временные ряды продаж товаров — продажи
-ого товара в
-ом магазине за день
(
,
— множество товаров;
,
— множество магазинов;
— натуральное число),
причем значения продаж известны при
. Также задан товарный классификатор, исходя из которого товары
разбиваются на группы, образующие иерархическую стуктуру (например, какой-то товар может
входить в группу «ЖК-телевизоры 15"», которая входит в
«ЖК-телевизоры 10" - 17"» и далее в «ЖК-телевизоры», «Телевизоры» и «Бытовую технику»).
Требуется для всех товаров и всех магазинов спрогнозировать продажи за неделю, следующую
после
, то есть значение величины
Для оценки качества прогнозов будем использовать скользящий контроль,
помещая в обучающую выборку значения при
,
. Как функционал качества будем использовать
или
Описание алгоритмов
Обзор литературы
Базовые предположения
Математическое описание
Варианты или модификации
Описание системы
- Ссылка на файл system.docs
- Ссылка на файлы системы
Отчет о вычислительных экспериментах
Визуальный анализ работы алгоритма
Анализ качества работы алгоритма
Анализ зависимости работы алгоритма от параметров
Отчет о полученных результатах
Список литературы
| Данная статья является непроверенным учебным заданием.
До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе. |
