Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

'''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, stock keeping unit, список праздничных дней и, отдельно по каждому товару, список дней, в которые проводились промо-акции. === Критерии качества === Прогноз производится отдельно по каждому из товаров. Мы составляем еженедельный прогноз с горизонтом неделя, основанный на предыдущей истории покупок. 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 тоаров в празничные дни и во время промо-акций является отдельной задачей и в данном проекте не рассматривается. === Используемые методы === Предполагается, что жизнь товара на рынке можно разбить на характерные этапы, на каждом из которых величина покупок имеет свой вид функциональной зависимости от предыдущей истории покупок. == 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 неделю <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>. Задан <tex>t_2</tex> - горизонт прогнозирования. Требуется для всех товаров и всех магазинов спрогнозировать продажи за неделю, следующую после <tex>t_1+t_2</tex>, то есть значение величины <center> <tex>y_{ij} = x_{ij}(t_1+t_2+1).</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> == Описание алгоритмов == === Обзор литературы === === Базовые предположения === Будем предполагать, что жизненный цикл товара в магазине можно разбить на 3 характерных этапа: вхождение товара на рынок, рост популярности, спад объема продаж. Схематично предполагаемая зависимость может быть изображена в виде (по оси абсцис отложено время прибывания товара на рынке, по оси ординат - еженедельные продажи. [[Изображение:HypothesisLC.png|Преполагаемая теоретическая зависимость|400px]] === 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 == {{Задание|Юрий Янович|В.В. Стрижов|15 декабря 2009}} __NOTOC__

• Шаблон:Mbox
• Шаблон:Well
• Шаблон:ЗаданиеВыполнено

Возврат к странице Обнаружение жизненного цикла товаров (отчет).