O2O销售额预测基于增量随机森林
亮点就是增量预测和重要特征删选,图表可适度参考一下
该方法具有两个特点。第一,
我们确定了最重要的特点,贡献最大的
通过去除噪声特征预测精度。这一特点
选择过程有助于提高预测精度。
第二,我们使用基于随机森林的增量方法。
通过增加增量特征并关注销售增量
预测。
结果表明:特征选择可以显著降低平均绝对值。
百分比误差(MAPE)为11.64%。此外,
增量随机森林方法进一步减少了MAPE
到3.10%点。
O2O销售额预测基于增量随机森林
亮点就是增量预测和重要特征删选,图表可适度参考一下
该方法具有两个特点。第一,
我们确定了最重要的特点,贡献最大的
通过去除噪声特征预测精度。这一特点
选择过程有助于提高预测精度。
第二,我们使用基于随机森林的增量方法。
通过增加增量特征并关注销售增量
预测。
结果表明:特征选择可以显著降低平均绝对值。
百分比误差(MAPE)为11.64%。此外,
增量随机森林方法进一步减少了MAPE
到3.10%点。