基于组合模型的销售预测应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容和技术路线 | 第12-13页 |
| 1.4 本文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关理论概述 | 第14-21页 |
| 2.1 Boosting与Bagging集成 | 第14-16页 |
| 2.2.1 Boosting提升方法 | 第14-15页 |
| 2.2.2 Bagging提升方法 | 第15-16页 |
| 2.2 随机森林理论 | 第16-18页 |
| 2.3 GBRT梯度渐进回归树 | 第18-19页 |
| 2.4 数据挖掘在销售预测中的应用 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 Rossmann超商销售预测问题分析 | 第21-35页 |
| 3.1 问题背景分析 | 第21-25页 |
| 3.1.1 销售预测问题特点 | 第21-23页 |
| 3.1.2 Rossmann销售预测问题 | 第23-25页 |
| 3.2 基于数据的特征分析 | 第25-31页 |
| 3.2.1 数据特征分析 | 第25-31页 |
| 3.2.2 缺失值分析 | 第31页 |
| 3.3 预测方法选型 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于组合模型的销售预测 | 第35-45页 |
| 4.1 整体方案设计 | 第35页 |
| 4.2 数据预处理与特征提取 | 第35-38页 |
| 4.2.1 数据清洗 | 第36页 |
| 4.2.2 特征提取 | 第36-38页 |
| 4.3 基于随机森林的预测模型 | 第38-42页 |
| 4.3.1 指定森林中的基学习器 | 第38-39页 |
| 4.3.2 参数确定 | 第39-41页 |
| 4.3.3 构建随机森林 | 第41-42页 |
| 4.4 基于GBRT的预测模型 | 第42-44页 |
| 4.4.1 构建GBRT | 第42-43页 |
| 4.4.2 随机森林初始化GBRT | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 实验过程与结果分析 | 第45-58页 |
| 5.1 基于随机森林的预测模型实验分析 | 第45-50页 |
| 5.1.1 训练集与测试集 | 第45-46页 |
| 5.1.2 实验过程与结果分析 | 第46-50页 |
| 5.2 基于GBRT的预测模型实验分析 | 第50-56页 |
| 5.2.1 训练集与测试集 | 第50页 |
| 5.2.2 实验过程与结果分析 | 第50-54页 |
| 5.2.3 使用随机森林初始化GBRT | 第54-56页 |
| 5.3 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文工作总结 | 第58-59页 |
| 6.2 未来展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |
