Прогнозирование объемов продаж новых товаров (отчет)

Материал из MachineLearning.

Версия 14:11, 9 марта 2010 (править) Li (Обсуждение | вклад) (→Постановка задачи) ← К предыдущему изменению		Версия 14:13, 9 марта 2010 (править) (отменить) Li (Обсуждение | вклад) (→Постановка задачи) К следующему изменению →
Строка 34:		Строка 34:
	<tex>Q(y, \hat{y}) = \sum_{i}|y_{i}-\hat{y}_{i}|.</tex>		<tex>Q(y, \hat{y}) = \sum_{i}|y_{i}-\hat{y}_{i}|.</tex>
	</center>		</center>
-	где y, <tex>\hat{y}<tex> соответственно известное значение и прогноз.	+	где y, <tex>\hat{y}</tex> соответственно известное значение и прогноз.
	== Описание алгоритмов ==		== Описание алгоритмов ==

---

Версия 14:13, 9 марта 2010

Введение в проект

Описание проекта

Цель проекта

Цель проекта - прогнозирование еженедельных продаж новых товаров.

Обоснование проекта

Результаты проекта могут быть использованы для планирования объёмов продаж новых товаров.

Описание данных

Дано: товарный классификатор (иерархия товарных групп); региональный классификатор (иерархия магазинов и регионов); товародвижения (продажи, поставки, остатки и пр., праздники и промо-акции).

Критерии качества

Продажи прогнозируется по каждому товару раздельно. Прогнозирование объёмов продаж на неделю основывается на предыстории продаж за фиксированное число дней. Это число дней регулируется переменной stp (количество шагов - количество дней, на которых основывается прогноз). Критерием качества служит сумма модулей отклонения прогноза от реальной величины покупок по дням.

Требования к проекту

Сумма модулей отклонения в алгоритме проекта должна быль меньше, чем для скользящего среднего за 30 дней.

Выполнимость проекта

Прогнозирование объёмов продаж новых товаров производится в будние дни (время праздников и промо-акций в проекте не рассматривается).

Используемые методы

Прогнозирование производится методом квантильной регрессии для различных квантилей Θ (0.25; 0.4; 0.5; 0.6; 0.75). При прогнозировании можно менять параметр stp.

Постановка задачи

На основе данных продаж за фиксированное число дней (параметр stp) прогнозируются продажи новых товаров на 7 дней вперёд с наибольшей вероятностью (Θ=0.5) и вероятностями 25%, 40%. - временной ряд для каждого из товаров, - значение продаж для каждого такого ряда. Будем использовать функционал качества

где y, соответственно известное значение и прогноз.

Описание алгоритмов

В проекте использовался метод квантильной регрессии.

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. Студент: Игорь Литвинов Преподаватель: В.В. Стрижов Срок: 15 декабря 2009 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.