Прогнозирование объемов продаж групп товаров (отчет)
Материал из MachineLearning.
м (→Критерии качества) |
м (→Требования к проекту) |
||
| Строка 21: | Строка 21: | ||
=== Требования к проекту === | === Требования к проекту === | ||
| - | + | Сумма модулей (либо квадратов) отклонений для разработанного алгоритма должен быть меньше, чем для | |
| + | базового алгоритма — скользящего среднего за предыдущий месяц. | ||
=== Выполнимость проекта === | === Выполнимость проекта === | ||
Версия 15:52, 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 — прогноз закупок товаров, сделанный исходя из данных на некотором начальном временном интервале, сравнивается с реальными продажами. Критерием качества служит сумма модулей отклонений прогноза от реальной величины закупок либо сумма квадратов отклонений.
Требования к проекту
Сумма модулей (либо квадратов) отклонений для разработанного алгоритма должен быть меньше, чем для базового алгоритма — 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. |
