|
|
|
摘要 以德国Rossmann商场的数据为例,通过对数据的探索性分析,以相关背景业务知识体系为基础,通过可视化分析,提取隐含在数据里的特征,使用性能较优的Xgboost方法进行规则挖掘,取得较好效果。为进一步提高Xgboost方法的预测精度和泛化性能,论文结合特征工程,采用集成学习方法,利用GLMNET和Xgboost模型拟合残差,结合LM、TSLM在趋势和季节性预测的优点,提出一种基于Xgboost的优化组合模型用以对行业数据进行预测,通过实验验证了该组合模型具有较好的精度和泛化能力。
|
|
| 关键词 ：
Xgboost,
集成学习,
组合模型,
销售预测
|
|
|
| 基金资助:国家自然科学基金资助项目(61262047)； 江西省教育厅科技项目(GJJ14141)； 江西省重点研发计划基金资助项目(2017BBE50063)； |
|
|
