基於ARIMA、SVM、隨機森林銷售的時間序列預測

原文連接 http://tecdat.cn/?p=1130

現在DT(Data technology)時代，數據變得愈來愈重要，其核心應用」預測「也成爲互聯網行業以及產業變革的重要力量。對於零售行業來講，預測幾乎是商業智能（BI）研究的終極問題，單純從機器學習的角度來講，作到精準預測很容易，可是結合業務提升企業利潤卻很難。預測精確性是核心痛點。

業務挑戰

針對服裝這類的時尚產業的客戶需求，咱們參考ZARA，將產品粗略分爲: 基本款和時裝。對於基本款，每一年都沒什麼大變化，國際流行的影響也不大，那麼能夠進行長計劃生產。對於時裝，決定潮流走向的決策權不在某個區域，一個地方的買手們也沒有成長到能夠準確預判國際流行趨勢，因此須要結合不一樣區域的各類因素，進行預測。對應的，在新貨構成中，銷量預測策略爲：基本款計劃生產，時尚款機動調整。

解決方案

任務/目標

根據服裝零售業務營銷要求，運用多種數據源分析實現精準銷量預測。

數據源準備

沙子進來沙子出，金子進來金子出。無數據或數據質量低，會影響模型預測效果。在創建的一個合理的模型以前，對數據要進行收集，蒐集除已有銷量數據以外的額外信息（好比天氣、地點、節假日信息等），再在蒐集的數據基礎上進行預處理。

有了數據，可是有一部分特徵是算法不能直接處理的，還有一部分數據是算法不能直接利用的。

特徵轉換

把不能處理的特徵作一些轉換，處理成算法容易處理的乾淨特徵。舉例以下：

銷售日期。就時間屬性自己來講，對模型來講不具備任何意義，須要把日期轉變成到年份、月份、日、周僞變量。

產品特徵。從產品信息表裏面能夠獲得款式、顏色、質地以及這款產品是不是限量版等。然而並無這些變量。這就須要咱們從產品名字抽取這款產品的上述特徵。

以上例舉的只是部分特徵。

構造

以上說明了如何抽取相關特徵，咱們大體有以下訓練樣本（只列舉部分特徵）。

劃分訓練集和測試集

考慮到最終模型會預測未來的某時間段的銷量，爲了更真實的測試模型效果，以時間來切分訓練集和測試集。具體作法以下：假設咱們有2014-02-01 ~ 2017-06-17的銷量相關數據。以2014-02-01 ~ 2016-03-19的銷量數據做爲訓練，2016-03-20~2017-06-17的數據做爲測試。

建模

ARIMA，通常應用在股票和電商銷量領域

ARIMA模型是指將非平穩時間序列轉化爲平穩時間序列，而後將結果變量作自迴歸（AR）和自平移（MA）。

隨機森林

用隨機的方式創建一個森林，森林由不少決策樹組成，隨機森林的每一棵決策樹之間是沒有關聯的。在獲得森林以後，當有一個新的輸入樣本進入的時候，就讓森林中的每一棵決策樹分別進行一下判斷，看看這個樣本應該屬於哪一類（對於分類算法），而後看看哪一類被選擇最多，就預測這個樣本爲那一類。

支持向量迴歸（SVR）

SVR最本質與SVM相似，都有一個margin，只不過SVM的margin是把兩種類型分開，而SVR的margin是指裏面的數據會不會對迴歸有幫助。

模型優化

1.上線以前的優化：特徵提取，樣本抽樣，參數調參。

2.上線以後的迭代，根據實際的A/B testing和業務人員的建議改進模型

從上圖能夠看出，在此案例中，svm和隨機森林算法模型的預測偏差最小，運用3種方法預測某商品的銷量，其可視化圖形以下：

能夠看出，銷量的預測值的趨勢已經基本與真實銷量趨勢保持一致，可是在預測期較長的區間段，其預測值之間的差異較大。

評估效果不能只看銷量，要綜合考慮，須要參考業務對接、預測精度、模型可解釋性和產業鏈總體能力等因素綜合考慮；不能簡單做爲企業利潤增長的惟一標準。咱們的經驗是，預測結果僅做爲參考一個權重值，還須要專家意見，按照必定的權重來計算。

展望

除了以上列舉的一些方法，咱們已經在嘗試更復雜的銷售預測模型，如HMM、深度學習（Long Short-Term Memory網絡、卷積神經網絡（CNN））等；同時須要考慮到模型的可解釋性、可落地性和可擴展性、避免「黑箱」預測；還在嘗試採用混合的機器學習模型，好比GLM+SVR，ARIMA + NNET等。

銷售預測幾乎是商業智能研究的終極問題，即使經過機器學習算法模型可以提升測試集的預測精度，可是對於將來數據集的預測，想作到精準預測以使企業利潤最大化，還須要考慮機器學習模型以外的企業自己因素。好比，企業的總體供應鏈能力等，如何將企業因素加入到機器學習模型之中，是將來預銷售預測的一個難點與方向。所以，要想解決銷售預測終極問題還有一段路要走。

 

點擊「閱讀原文」下載閱讀報告全文。

原文出處：http://tecdat.cn/category/大數據部落/