論文の概要: Hierarchical robust aggregation of sales forecasts at aggregated levels
in e-commerce, based on exponential smoothing and Holt's linear trend method
- arxiv url: http://arxiv.org/abs/2006.03373v1
- Date: Fri, 5 Jun 2020 11:20:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 04:21:46.738516
- Title: Hierarchical robust aggregation of sales forecasts at aggregated levels
in e-commerce, based on exponential smoothing and Holt's linear trend method
- Title（参考訳）: 指数的平滑化とホルトの線形トレンド法による電子商取引における売上予測の階層的ロバスト集約
- Authors: Malo Huard (LMO), R\'emy Garnier, Gilles Stoltz (LMO, HEC Paris,
CELESTE)
- Abstract要約: 我々は、異なる(集合の)パラメータで調整された古典技法のいくつかの例から与えられるアンサンブル予測を考える。
本手法を,電子商取引会社Cdiscountが提供する階層的な販売データセットに適用する。
この性能は、電車のセットで古典的なテクニックを最適にチューニングすることで得られるものよりも優れている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We revisit the interest of classical statistical techniques for sales
forecasting like exponential smoothing and extensions thereof (as Holt's linear
trend method). We do so by considering ensemble forecasts, given by several
instances of these classical techniques tuned with different (sets of)
parameters, and by forming convex combinations of the elements of ensemble
forecasts over time, in a robust and sequential manner. The machine-learning
theory behind this is called "robust online aggregation", or "prediction with
expert advice", or "prediction of individual sequences" (see Cesa-Bianchi and
Lugosi, 2006). We apply this methodology to a hierarchical data set of sales
provided by the e-commerce company Cdiscount and output forecasts at the levels
of subsubfamilies, subfamilies and families of items sold, for various
forecasting horizons (up to 6-week-ahead). The performance achieved is better
than what would be obtained by optimally tuning the classical techniques on a
train set and using their forecasts on the test set. The performance is also
good from an intrinsic point of view (in terms of mean absolute percentage of
error). While getting these better forecasts of sales at the levels of
subsubfamilies, subfamilies and families is interesting per se, we also suggest
to use them as additional features when forecasting demand at the item level.
- Abstract（参考訳）: 指数的平滑化や拡張(ホルトの線形トレンド法)のような販売予測における古典的統計手法の関心を再考する。
我々はアンサンブル予測を考慮し、異なる(一連の)パラメータで調整されたこれらの古典的手法のいくつかの例から与えられること、そしてアンサンブル予測の要素の凸結合を、頑健でシーケンシャルな方法で形成することである。
この背景にある機械学習理論は、"robust online aggregate"、"prediction with expert advice"、"prediction of individual sequences" (Cesa-Bianchi and Lugosi, 2006)と呼ばれている。
本手法を,電子商取引会社Cdiscountが提供する販売の階層的データセットに適用し,販売対象のサブファミリティ,サブファミリティ,ファミリティのレベルにおいて,様々な予測地平線(最大6週間前)に予測を出力する。
達成された性能は、列車セットの古典的テクニックを最適に調整し、テストセットの予測を使用することによって得られるものよりも優れている。
パフォーマンスは(平均的な絶対的なエラー率の観点から)本質的な観点からも良好である。
サブファミリティ、サブファミリティ、ファミリーのレベルでの販売予測を改善することは、それぞれ興味深いが、アイテムレベルでの需要予測では追加機能として使うことも提案する。
関連論文リスト
- F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - Loss Shaping Constraints for Long-Term Time Series Forecasting [79.3533114027664]
本稿では,長期時系列予測のための制約付き学習手法を提案する。
提案手法は, 予測ウィンドウ上でエラーを発生させながら, 時系列ベンチマークにおける競合平均性能を示すことを示すための, 実用的なプリマル・デュアルアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-14T18:20:44Z) - Hierarchical Forecasting at Scale [55.658563862299495]
既存の階層予測技術は、時系列の数が増加するとスケールが低下する。
我々は,1つのボトムレベル予測モデルを用いて,数百万の時系列のコヒーレントな予測を学習することを提案する。
欧州の大規模なeコマースプラットフォームであるbolの既存の予測モデルにおいて、スパース階層的損失関数を実装した。
論文 参考訳（メタデータ） (2023-10-19T15:06:31Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳（メタデータ） (2022-04-16T12:03:52Z) - Long Range Probabilistic Forecasting in Time-Series using High Order
Statistics [19.12411040726229]
本稿では,ベースレベルとアグリゲーション統計量で一致した予測を生成する新しい確率予測手法を提案する。
提案手法は,3つの領域にまたがる実際のデータセットにおいて,ベースレベルと非表示アグリゲーションの両方で予測性能を向上することを示す。
論文 参考訳（メタデータ） (2021-11-05T11:10:35Z) - Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。
当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。
単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-10-26T20:41:19Z) - Topology-based Clusterwise Regression for User Segmentation and Demand
Forecasting [63.78344280962136]
本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。
本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
論文 参考訳（メタデータ） (2020-09-08T12:10:10Z) - A Multi-Phase Approach for Product Hierarchy Forecasting in Supply Chain
Management: Application to MonarchFx Inc [9.290757451344673]
本稿では,階層的サプライチェーンの予測を改善するために,新しい多相階層型アプローチを提案する。
提案手法を用いた予測精度は82-90%向上した。
論文 参考訳（メタデータ） (2020-06-16T05:26:11Z) - Hierarchical forecast reconciliation with machine learning [0.34998703934432673]
本稿では,機械学習に基づく新しい階層的予測手法を提案する。
これは、サンプル後の経験的予測精度とコヒーレンスの改善の目的を構造的に組み合わせている。
本研究では,提案手法が既存手法よりも優れた点予測を与えることを示す。
論文 参考訳（メタデータ） (2020-06-03T04:49:39Z) - Profit-oriented sales forecasting: a comparison of forecasting
techniques from a business perspective [3.613072342189595]
本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。
モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
論文 参考訳（メタデータ） (2020-02-03T14:50:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。