基于机器学习理论的R公司库存需求预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 库存需求预测方法 | 第11-13页 |
| 1.2.2 生产库存的需求预测 | 第13-14页 |
| 1.2.3 销售库存的需求预测 | 第14-15页 |
| 1.3 研究内容及可能的创新点 | 第15-16页 |
| 1.4 研究方法及技术路线 | 第16-18页 |
| 第2章 相关理论基础 | 第18-30页 |
| 2.1 需求预测 | 第18页 |
| 2.2 随机森林 | 第18-22页 |
| 2.2.1 决策树 | 第18-21页 |
| 2.2.2 决策树与随机森林 | 第21-22页 |
| 2.3 广义回归神经网络 | 第22-25页 |
| 2.4 支持向量回归 | 第25-28页 |
| 2.5 组合预测方法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 R公司库存需求分析 | 第30-35页 |
| 3.1 案例背景 | 第30页 |
| 3.2 问题描述与样本数据分析 | 第30-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 R公司库存需求预测 | 第35-53页 |
| 4.1 库存需求的RF预测 | 第35-43页 |
| 4.1.1 RF模型建立 | 第35页 |
| 4.1.2 参数调整 | 第35-36页 |
| 4.1.3 结果分析 | 第36-40页 |
| 4.1.4 特征重要性分析 | 第40-43页 |
| 4.2 库存需求的GRNN预测 | 第43-47页 |
| 4.2.1 GRNN模型建立 | 第43页 |
| 4.2.2 交叉验证 | 第43-44页 |
| 4.2.3 基于最大数组维度的调整 | 第44页 |
| 4.2.4 结果分析 | 第44-47页 |
| 4.3 库存需求的SVR预测 | 第47-52页 |
| 4.3.1 SVR模型建立 | 第47-48页 |
| 4.3.2 参数调整 | 第48-49页 |
| 4.3.3 归一化 | 第49页 |
| 4.3.4 结果分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 模型比较与组合 | 第53-59页 |
| 5.1 三种模型的结果比较 | 第53-56页 |
| 5.1.1 预测精度比较 | 第53-55页 |
| 5.1.2 训练时间与参数调整比较 | 第55-56页 |
| 5.2 组合预测 | 第56-58页 |
| 5.2.1 Frank-Wolfe方法 | 第56页 |
| 5.2.2 权重计算和结果分析 | 第56-57页 |
| 5.2.3 与简单平均组合模型的对比 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 研究成果和结论 | 第59-61页 |
| 附录 GRNN交叉验证代码 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-67页 |
| 致谢 | 第67页 |
