基于Xgboost方法的實體零售業(yè)銷售額預測研究.pdf_第1頁
已閱讀1頁，還剩91頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、分類號：密級：UDC：學號：416116114080南昌大學專業(yè)學位研究生學位論文基于基于Xgboost方法的實體零售業(yè)銷售額預測研究方法的實體零售業(yè)銷售額預測研究StudyonSalesFecastsofStesBasedonXgboostMethod葉倩怡培養(yǎng)單位（院、系）：信息工程學院計算機系指導教師姓名、職稱：饒泓教授專業(yè)學位種類：工程碩士專業(yè)領域名稱：軟件工程論文答辯日期：2016年5月21日答辯委員會主席：評閱人：年月日摘要

2、摘要可靠的銷售額預測能夠幫助商場管理者建立有效的員工日程安排，并幫助商場管理者發(fā)現(xiàn)影響客戶和團隊的重要因素，從而改進生產(chǎn)模式，提高商場的贏利能力。本論文以德國著名實體零售業(yè)Rossmanns公司1115家分店的日常銷售數(shù)據(jù)及店鋪信息數(shù)據(jù)為挖掘?qū)ο螅捎锰剿餍詳?shù)據(jù)分析及可視化技術，使用Python和R語言編程實現(xiàn)，對比了Xgboost（ExtremeGradientBoosting）、隨機森林、GLM（LassoElasticRegula

3、rizedGeneralizedLinearModels）以及LM（LinearModel）、TSLM（TimeSeriesLinearModel）模型在銷售額預測上的性能，初步發(fā)現(xiàn)Xgboost方法在RMSPE（RootMeanSquarePercentageErr）評價標準上取得較好的效果。為進一步提高Xgboost方法的銷售額預測精度和泛化性能，論文結合特征工程，采用集成學習方法，利用GLM和Xgboost模型擬合殘差，結合LM、

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論