计算机工程

作者：谢坤, 容钰添, 胡奉平, 陈桓, 姚小龙

单位：顺丰科技有限公司 大数据与区块链研发中心, 广东 深圳 518000

关键词：销量预测,时间序列预测,机器学习,数据集成,随机森林

基金：深圳市发展改革委战略性新兴产业发展专项"基于人工智能技术的智慧物流系统研发与产业化项目"。

用于销售预测的历史数据存在稀疏性与波动性等特点，当预测周期较长时，传统统计学或者机器学习领域预测算法的预测效果较差。为此，利用随机森林的集成思想与训练数据集的随机分割重组，提出一种基于数据集成的随机森林算法。该算法通过随机重组将原始的一维预测变量重组为高维变量，并将输出求和值作为最终预测值。实验结果表明，与ARIMA、RF、GBDT等传统算法相比，该算法在实际数据集上的预测效果取得显著提高。同时，拓展实验表明数据集成还可应用在ARIMA算法上，使预测准确率提高约3%。

来源：2020年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第12期