機械学習を用いた小売製品の将来販売の予測【JST・京大機械翻訳】

Swami Devendra; Shah Alay Dilipbhai; Ray Subhrajeet K B

プレプリント

J-GLOBAL ID：202202202614277080 整理番号：22P0182538

機械学習を用いた小売製品の将来販売の予測【JST・京大機械翻訳】

Predicting Future Sales of Retail Products using Machine Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年08月18日プレプリントサーバーでの情報更新日： 2020年08月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

現在と過去のデータに基づく将来の予測を行う技術は,常に様々な現実の問題への直接適用の分野である。同様の問題を論じた。Kaggleによって問題ステートメントを提供して,Kaggleプラットフォームに関する進行中の競争としても役立った。このプロジェクトでは,最大のロシアのソフトウェア企業-1C社の1つによって提供された毎日の販売データから成る挑戦的な時系列データセットで働いた。目的は,過去のデータを与えられた次の月において,あらゆる製品と店舗の総販売を予測することである。次の月の予測を行うために,学習タスクを実行するために,eXtreme勾配ブースティング(XGBoost)とLong Short Termメモリ(LSTM)ベースのネットワークアーキテクチャを展開した。実と予測目標値の間の二乗平均平方根誤差(RMSE)を用いて性能を評価し,展開アルゴリズム間の比較を行った。XGBoostは,このデータセットに対してLSTMよりも遥かに優れており,その比較的高いスパース性に起因することが分かった。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, , , ,

前のページに戻る