| 基于GBDT的商品分配层次化预测模型 |
| |
| 引用本文： | 朱振峰,汤静远,常冬霞,赵耀.基于GBDT的商品分配层次化预测模型[J].北京交通大学学报(自然科学版),2018,42(2):9-13,45. |
| |
| 作者姓名： | 朱振峰 汤静远 常冬霞 赵耀 |
| |
| 作者单位： | 北京交通大学计算机与信息技术学院,北京100044;北京交通大学北京市现代信息科学与网络技术重点实验室,北京100044;北京交通大学计算机与信息技术学院,北京100044;北京交通大学北京市现代信息科学与网络技术重点实验室,北京100044;北京交通大学计算机与信息技术学院,北京100044;北京交通大学北京市现代信息科学与网络技术重点实验室,北京100044;北京交通大学计算机与信息技术学院,北京100044;北京交通大学北京市现代信息科学与网络技术重点实验室,北京100044 |
| |
| 基金项目： | 国家自然科学基金(61572068;61532005)，教育部新世纪优秀人才支持计划项目(NCET-13-0661)，中央高校基本科研业务费专项资金(2015JBM039)National Natural Science Foundation of China(61572068;61532005)，Program for the New Century Excellent Talents in Universities of China(NCET-13-0661)，Fundamental Research Funds for the Central Universities(2015JBM039) |
| |
| 摘 要： | 商品预测是使用以往商品信息去估计和推断未来商品的销售趋势,并以此作为对商品进行合理调配与规划的依据.为实现对商品销售的精确预测,在GBDT基础上,提出了一种层次化集成预测模型(HGBDT).针对数据表征的高维问题,基于Bagging思想,在特征空间构建了该模型,实现对商品的有效描述,以此提高预测模型的性能与泛化能力.在开放数据库上的实验结果验证了本文模型的有效性.
|
| 关 键 词： | 决策树 回归模型 GBDT 集成学习 |
GBDT based hierarchical model for commodity distribution prediction |
| |
| ZHU Zhenfeng,TANG Jingyuan,CHANG Dongxia,ZHAO Yao.GBDT based hierarchical model for commodity distribution prediction[J].JOURNAL OF BEIJING JIAOTONG UNIVERSITY,2018,42(2):9-13,45. |
| |
| Authors: | ZHU Zhenfeng TANG Jingyuan CHANG Dongxia ZHAO Yao |
| |
| Abstract: | Commodity prediction uses the previous commodity information to estimate and infer the future trends of the commodity,and it can be used for carrying out reasonable planning and distribution of commodity.To achieve accurate forecast of merchandise sales,a commodity distribution prediction model (HGBDT) based on Gradient Boosting Decision Tree (GBDT)is proposed.To alleviate the problem of dimensionality curse,we construct a Bagging based hierarchical ensemble learning model.The temporal-spatial property of commodity is exploited for characterizing commodity effectively,which is beneficial to boost the generalization of the learned prediction model.Experimental results on open dataset demonstrate the effectiveness of the proposed method. |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
