基于Xgboost方法的實(shí)體零售業(yè)銷售額預(yù)測(cè)研究.pdf

1、分類號(hào)：密級(jí)：UDC：學(xué)號(hào)：416116114080南昌大學(xué)專業(yè)學(xué)位研究生學(xué)位論文基于基于Xgboost方法的實(shí)體零售業(yè)銷售額預(yù)測(cè)研究方法的實(shí)體零售業(yè)銷售額預(yù)測(cè)研究StudyonSalesFecastsofStesBasedonXgboostMethod葉倩怡培養(yǎng)單位（院、系）：信息工程學(xué)院計(jì)算機(jī)系指導(dǎo)教師姓名、職稱：饒泓教授專業(yè)學(xué)位種類：工程碩士專業(yè)領(lǐng)域名稱：軟件工程論文答辯日期：2016年5月21日答辯委員會(huì)主席：評(píng)閱人：年月日摘要

2、摘要可靠的銷售額預(yù)測(cè)能夠幫助商場(chǎng)管理者建立有效的員工日程安排，并幫助商場(chǎng)管理者發(fā)現(xiàn)影響客戶和團(tuán)隊(duì)的重要因素，從而改進(jìn)生產(chǎn)模式，提高商場(chǎng)的贏利能力。本論文以德國(guó)著名實(shí)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?，采用探索性?shù)據(jù)分析及可視化技術(shù)，使用Python和R語言編程實(shí)現(xiàn)，對(duì)比了Xgboost（ExtremeGradientBoosting）、隨機(jī)森林、GLM（LassoElasticRegula

3、rizedGeneralizedLinearModels）以及LM（LinearModel）、TSLM（TimeSeriesLinearModel）模型在銷售額預(yù)測(cè)上的性能，初步發(fā)現(xiàn)Xgboost方法在RMSPE（RootMeanSquarePercentageErr）評(píng)價(jià)標(biāo)準(zhǔn)上取得較好的效果。為進(jìn)一步提高Xgboost方法的銷售額預(yù)測(cè)精度和泛化性能，論文結(jié)合特征工程，采用集成學(xué)習(xí)方法，利用GLM和Xgboost模型擬合殘差，結(jié)合LM、