基于集成学习的电商销量预测研究分析 |
| |
引用本文: | 张晓颖,贺伊雯,王立越.基于集成学习的电商销量预测研究分析[J].长春大学学报,2024(4):1-7. |
| |
作者姓名: | 张晓颖 贺伊雯 王立越 |
| |
作者单位: | 长春大学理学院 |
| |
基金项目: | 吉林省自然科学基金项目(20210101476JC); |
| |
摘 要: | 针对电商销量数据的复杂性和现有预测模型的稳定性及泛化能力不足问题,本研究基于大样本多变量数据,应用随机森林和渐进梯度回归树等机器学习模型进行分析。研究结果表明,相比于广义线性回归、弹性网络、支持向量回归、KNN回归树、决策树、多层感知机、AdaBoost,随机森林和渐进梯度回归树对电商销售数据预测拟合更加精确。相比于广义线性回归、弹性网络等7种传统机器学习算法,随机森林和渐进梯度回归树这两种集成学习的方法对电商销量预测更加精确,且渐进梯度回归树算法拟合效果更好、均方根误差更小,是一种更加有效的电商销量预测方法。
|
关 键 词: | 随机森林 GBRT 电商销量 机器学习 |
|
|